一种融合多特征的双向循环神经网络细粒度意见挖掘方法

• 摘要：

  一种融合多特征的双向循环神经网络细粒度意见挖掘方法,通过互联网抓取特定网站的评论数据,并对其进行标注和预处理得到训练样本集,使用Word2Vec或Glove模型算法训练得到评论数据的词向量,并进行词性标注、依存关系标注等处理后向量化,将向量输入双向循环神经网络构建得到双向循环神经网络细粒度意见挖掘模型,本发明通过一个模型的训练同时抽取细粒度意见挖掘中属性词以及进行情感极性判断,从而进一步节约了大量的模型训练时间,提高训练效率,而且,无需专业技术人员对属性词进行人工抽取,从而节约了大量的人工成本,另外,可以通过用多种数据源训练模型,从而可以完成跨领域的细粒度意见分析,从而解决长距离情感要素依赖的问题.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201710239843.0

• 申请日期：

  2017.04.13

• 公开/公告号：

  CN107168945A

• 公开/公告日：

  2017-09-15

• 发明人：

  郝志峰 黄浩 蔡瑞初 温雯 王丽娟 蔡晓凤 陈炳丰

• 申请人：

  广东工业大学

• 主分类号：

  G06F17/27(2006.01)I,G,G06,G06F,G06F17

• 分类号：

  G06F17/27(2006.01)I,G06F17/30(2006.01)I,G,G06,G06F,G06F17,G06F17/27,G06F17/30