公开(公告)号：CN117390131B

公开(公告)日：2024-09-24

申请号：CN202310815104.7

申请日：2023-07-04

Applicant: 无锡学院

Inventor： 宋莹 ,  杨俊哲 ,  陈逸菲 ,  孙宁

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06F18/24 ,  G06F18/23213 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种用于多领域的文本情感分类方法，包括：获取目标领域带标签的文本数据并进行预处理，对词嵌入层进行训练，在ALBERT模型中嵌入用于文本主题信息提取的LDA模型，在LDA模型中融合K‑means聚类算法；将词向量序列输入至LDA模型中进行无监督训练，提取文本主题信息，得到“文档‑主题”分布的主题特征向量；将主题特征向量输入到K‑means聚类算法进行二次聚类后，使用余弦相似度输出最优的主题特征向量；通过吉布斯采样方法迭代抽样，LDA模型收敛后得到“主题‑词”分布和“评论‑主题”分布；对文本情感分类模型训练，将通过训练后的文本情感分类模型计算情感分类标签的情感概率，将情感概率最大的标签作为目标数据标签，从而实现跨领域的文本情感分类。

公开(公告)号：CN117390131A

公开(公告)日：2024-01-12

申请号：CN202310815104.7

申请日：2023-07-04

Applicant: 无锡学院

Inventor： 宋莹 ,  杨俊哲 ,  陈逸菲 ,  孙宁

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06F18/24 ,  G06F18/23213 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种用于多领域的文本情感分类方法，包括：获取目标领域带标签的文本数据并进行预处理，对词嵌入层进行训练，在ALBERT模型中嵌入用于文本主题信息提取的LDA模型，在LDA模型中融合K‑means聚类算法；将词向量序列输入至LDA模型中进行无监督训练，提取文本主题信息，得到“文档‑主题”分布的主题特征向量；将主题特征向量输入到K‑means聚类算法进行二次聚类后，使用余弦相似度输出最优的主题特征向量；通过吉布斯采样方法迭代抽样，LDA模型收敛后得到“主题‑词”分布和“评论‑主题”分布；对文本情感分类模型训练，将通过训练后的文本情感分类模型计算情感分类标签的情感概率，将情感概率最大的标签作为目标数据标签，从而实现跨领域的文本情感分类。