发明名称 |
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。 |
申请公布号 |
CN106598942A |
申请公布日期 |
2017.04.26 |
申请号 |
CN201611035151.6 |
申请日期 |
2016.11.17 |
申请人 |
天津大学 |
发明人 |
金志刚;胡博宏;罗咏梅 |
分类号 |
G06F17/27(2006.01)I;G06F17/30(2006.01)I;G06Q50/00(2012.01)I |
主分类号 |
G06F17/27(2006.01)I |
代理机构 |
天津市北洋有限责任专利代理事务所 12201 |
代理人 |
程毓英 |
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。 |
地址 |
300072 天津市南开区卫津路92号 |