基于全局平均池化卷积神经网络的中文情感倾向性分类方法

授权

摘要

本发明提供了一种基于全局平均池化卷积神经网络的中文情感倾向性分类方法，是利用计算机对从网络采集的中文文本进行分析的技术。本方法构建了一个基于全局平均池化卷积神经网络的中文情感倾向性分类模型，该模型利用三层通道变换卷积层提取语义情感特征，然后全局平均池化层对卷积层提取的特征进行池化计算，得到对应到各个输出类别的置信值，然后由Softmax输出情感分类标签。本方法设置模型参数进行多次训练，选取分类准确率最高的模型用于中文情感倾向性分类。本发明避免了传统情感分析中繁琐的特征工程，加强了模型提取语义情感特征的能力，有效避免了模型过拟合，提升了模型情感倾向性分类的性能。

基本信息

专利标题：

基于全局平均池化卷积神经网络的中文情感倾向性分类方法

专利标题（英）：

暂无

公开（公告）号：

CN108614875A

申请号：

CN201810384106.4

公开（公告）日：

2018-10-02

申请日：

2018-04-26

授权号：

CN108614875B

授权日：

2022-06-07

发明人：

曹若菡陈浩平陆月明韩道歧

申请人：

北京邮电大学

申请人地址：

北京市海淀区西土城路10号

代理机构：

北京永创新实专利事务所

代理人：

祗志洁

优先权：

CN201810384106.4

主分类号：

G06F17/30

IPC分类号：

G06F17/30 G06N3/04