专利交易市场

本发明公开一种基于特征多样化的卷积神经网络的情感分析模型构建方法。该方法首先导入情感词典集合与句子语料训练集，并对初始数据集做相应预处理，通过计算情感词在不同极性数据集上出现的文档频数来计算情感得分以及普通词条的权重得分，得到词条得分特征统计值并构建特征向量。把得到的情感词典情感得分向量以及普通词条权重得分向量与向量化后的训练集句子向量进行拼接或者运算操作，得到具有特征信息多样化的输入矩阵。最后用特定参数的卷积神经网络模型训练数据集，得到训练好的模型。本发明能够解决模型在模型训练过程中对更深层的隐藏情感信息挖掘不够全面的问题，还能够有效提高情感分类的精确度。

一种面向视频弹幕的用户情感差异区域检测方法和系统，包括：对视频弹幕原始数据根据其中的字段进行格式化处理，得到视频弹幕集合；根据历史评论时间将弹幕划分到不同的历史时间平面内；根据用户评论词典对待分析的时间同步评论进行分词等预处理，使用情感倾向分类模型预测评论的情感倾向；计算相邻场景的字幕文本与显示滞后的弹幕文本之间的相似度，校正滞后的弹幕文本；根据平均情感倾向数值计算出时间区域的情感倾向差异率，通过与情感倾向差异率阈值进行比较，判定用户情感差异区域；通过时间区域的情感倾向差异图可视化展示展示用户情感差异区域。本发明轻量高效，非常适用于大量弹幕数据的分析任务，而且可视化展示非常直观。

本发明公开了一种基于卷积神经网络的方面级情感分析方法，包括建立方面级情感分析模型，通过该模型构建方面级信息在文本中的相对位置矩阵，并将其与文本编码进行融合，对关联矩阵中方面级信息所对应的部分关联矩阵进行抽取，对于由多单词组成的方面级信息再进行均值化处理，将其作为最终的文本与方面信息之间的评分矩阵，其中，方面级情感分析模型包括词嵌入模块、相对位置编码模块、方面级注意力模块和情感分类模块。本发明通过对文本中方面级信息的情感进行建模，进而高效且准确地对文本的方面级情感进行分析。

本发明涉及基于情感分析领域，涉及一种基于知识增强的双通道情感分析方法，方法包括：构建神经网络模型，获取待测语句，将待测语句输入至神经网络模型的词嵌入模块中，获得待测语句的句子特征表示；将待测语句以及句子特征表示输入至知识增强模块中，获得待测语句的知识增强特征表示；将待测语句的知识增强特征表示以及句子特征表示输入至语义通道中，获得待测语句的语义特征表示；将待测语句以及句子特征表示输入至句法通道中，获得待测语句的句法特征表示；将待测语句的语义特征表示以及句法特征表示输入至情感分析模块中，获得待测语句的情感分析结果。