基于表情分析和深度学的社交网络情感分析方法

摘要

本发明公开一种基于表情分析和深度学的社交网络情感分析方法，包括下列步骤：文本预处理：过滤无用字符，并提取出微博文本中的表情字符作为该微博对应的表情信息。数值化特征：将1)中预处理后的微博文本转换为数值向量T，同时，1)中所得的表情信息也转换成该表情对应的数值ID，然后将文本向量T与表情ID合并，形成新的数值向量V。特征训练：将数值向量V作为深度学模型的输入，进行特征训练，设输出的特征向量为F。计算类别：对特征向量F进行Softmax回归，计算出该微博的情感类别概率分布，进而获得情感类别。

主权项

一种基于表情分析和深度学习的社交网络情感分析方法，包括下列步骤：1)文本预处理：过滤无用字符，并提取出微博文本中的表情字符作为该微博对应的表情信息；2)数值化特征：将1)中预处理后的微博文本转换为数值向量T，同时，1)中所得的表情信息也转换成该表情对应的数值ID，然后将文本向量T与表情ID合并，形成新的数值向量V；3)特征训练：将数值向量V作为深度学习模型的输入，进行特征训练，设输出的特征向量为F；4)计算类别：对特征向量F进行Softmax回归，计算出该微博的情感类别概率分布，进而获得情感类别；5)模型微调：将4)所得的情感类别与该微博实际所属的情感类别比较，并通过反向传播算法对模型进行微调，获得训练完成的模型。