买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学

摘要：本发明提供了基于BiLSTM‑TextCNN的细粒度情感分析方法，步骤如下：S1、输入的数据只以单词向量为目标进行加权，不对词向量求和，从而得到输入层数据Vi；S2、Vi经由BiLSTM产生前向隐向量hli和后向隐向量hri，hli与hri维度相同，将他们在同一维度上拼接可得向量矩阵hi；S3、BiLSTM生成的低层次特征hi，作为TextCNN网络的输入运算，通过卷积和池化后生成特征向量Fi，卷积池化的过程同标准的TextCNN网络；S4、考虑到细粒度分析是多标签分类任务，全连接层这里没有使用Softmax回归，而是使用Sigmoid加以替代。本发明为准确地提取诸如汽车评论等领域数据中的关键信息和关键特征，更有效地提高分类效果，进一步促进深度学习技术在细粒度情感分类上的研究和应用提供了又一理想方法。

主权项：1.基于BiLSTM-TextCNN的细粒度情感分析方法，其特征在于，按以下步骤进行：S1、构建网络的输入，输入的数据只以单词向量为目标进行加权，不对词向量求和，从而得到输入层数据Vi；S2、将Vi作为输入层，Vi经由BiLSTM产生前向隐向量hli和后向隐向量hri，hli与hri维度相同且在同一维度上拼接得到向量矩阵hi；S3、BiLSTM生成的低层次特征hi作为TextCNN网络的输入运算，通过卷积和池化后生成特征向量Fi，卷积池化的过程同标准的TextCNN网络；S4、全连接层使用Sigmoid回归，计算出最终结果标签L的表达式；步骤S1中，词向量的加权方法为：其中，Wij为第i个样本的第j个单词转换而成的向量，分别对应代表了原词向量、tf-idf加权词向量、tf-chi加权词向量，使用group操作将三种词向量组合求解：第i个样本的向量矩阵Vi计算公式为：其中，Cij代表第i个样本的第j个字符转换而成的向量，k与l分别代表单词级别和字符级别的句子最大长度，Vi是对两种文档向量表示方法的组合，亦即得到输入层数据Vi；向量矩阵在计算最终结果标签L时，预测结果ypred＝SigmoidW*FiT+b，具体地，先验概率Sn表示为第n个标签的统计频率，S为所有主题-情感标签的频率向量，则S＝[S1,S2,…,S30]T，且S作为预测结果ypred的加权项，其加权式为线性加法，argmax保留概率值大于0.5的标签项，常数项N取值与主题总数相等，则最终结果标签L计算公式为：L＝argmaxSN+ypred。

全文数据：

权利要求：

百度查询： 重庆大学 基于BiLSTM-TextCNN的细粒度情感分析方法