公开(公告)号：CN108427670A

公开(公告)日：2018-08-21

申请号：CN201810307751.6

申请日：2018-04-08

Applicant: 重庆邮电大学

Inventor： 胡向东 ,  钱宏伟 ,  许奥狄 ,  白银 ,  周欢

IPC: G06F17/27 ,  G06F17/30

Abstract: 本发明涉及一种基于语境词向量和深度学习的情感分析方法，属于自然语言处理领域。本发明公开了自然语言处理领域中一种情感分析方法，涉及使用语境词向量和深度学习结合的方法对电商平台的用户评论做情感倾向性分析，该方法通过训练语境词向量，结合深度学习解决目前情感分析问题中难以处理文本高维数据、无法提取情感特征、准确率低的问题。本发明采用语境词向量得到该语境下词语的语义信息和情感信息，与现有的技术相比，该方法能针对电商平台用户评论提取更有效的特征，对情感倾向分析具有较高的准确率和召回率。

公开(公告)号：CN108573068A

公开(公告)日：2018-09-25

申请号：CN201810409742.8

申请日：2018-05-02

Applicant: 重庆邮电大学

Inventor： 胡向东 ,  许奥狄 ,  钱宏伟 ,  周巧 ,  唐贤伦

IPC: G06F17/30

Abstract: 本发明涉及一种基于深度学习的文本表示与分类方法，属于自然语言领域。涉及利用深度信念网络DBN、深度波尔茨曼机DBM和卷积神经网络CNN三类深度学习模型，解决文本表示与分类中传统的基于词袋模型BOW文本表示的分类方法存在的高维度、高稀疏和难以处理标签数目不确定、包含大量专业词汇的专业摘要文本问题。本发明充分利用DBM模型自动捕获文本特征对输入文档进行降维、DBN模型抽取高层文档、CNN模型权重共享及局部连接的优势；本发明设计了一个针对文本表示和文本分类的高效模型，具有较高的F测度值、良好ROC曲线和实时性强的优点。