申请/专利权人:重庆电子工程职业学院
申请日:2023-12-06
公开(公告)日:2024-03-05
公开(公告)号:CN117648442A
主分类号:G06F16/35
分类号:G06F16/35;G06F40/30;G06N3/0455;G06N3/0442;G06N3/0464;G06N3/047;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.22#实质审查的生效;2024.03.05#公开
摘要:本发明涉及文本情感分析技术领域,公开了基于注意力双层Bi‑LSTM和CNN的文档级评论文本情感分析方法及模型,包括基于词语级向量结果,使用第一层双向LSTM网络,获取句子级向量结果;基于句子级向量结果,使用第二层双向LSTM网络,获取文档级向量结果;基于文档级向量结果,使用CNN,获取情感分析结果。上述的基于注意力双层Bi‑LSTM和CNN的文档级评论文本情感分析方法,采用深度学习神经网络,采用双层Bi‑LSTM学习文档特征间的长距离语义依存关系,最后使用CNN学习包含更多情感语义的更高层次文档向量表示,与各传统机器学习和现有先进的基于深度学习的情感分析模型对比实验,本方法情感分类正确率、FI值都更高,分类效果比现有先进方法更好。
主权项:1.基于注意力双层Bi-LSTM和CNN的文档级评论文本情感分析方法,其特征在于,包括:基于词语级向量结果,使用第一层双向LSTM网络,获取句子级向量结果;基于句子级向量结果,使用第二层双向LSTM网络,获取文档级向量结果;基于文档级向量结果,使用CNN,获取情感分析结果。
全文数据:
权利要求:
百度查询: 重庆电子工程职业学院 基于注意力双层Bi-LSTM和CNN的文档级评论文本情感分析方法及模型
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。