一种基于模型融合的情感倾向分析方法

摘要

本发明公开了一种基于深度学习和多模型融合的分类方法以解决多标签的情感倾向分析问题。首先利用Word2vec训练文本语言模型，提取词向量，再由长短期记忆网络（Long Short Term Memory,LSTM）分别构建三个子模型：回归模型、多二分类模型、自编码模型，训练提取文本的基本特征，并通过全连接层输出分类向量，最后通过投票方式模型融合实现多标签情感倾向分析。本发明利用神经网络提取特征，避免了人工提取特征的各种缺点，提高了分类精度；多模型融合既保证了单二分类模型的有效性也考虑到了标签之间的关系。本发明从一定程度上解决了多标签文本分类模型忽视标签相关性的问题，提升了传统基于二分类多标签分类模型的精度。