网络舆情文本信息情感极性分类处理系统及方法

摘要

本发明属于计算机科学技术领域，公开了一种网络舆情文本信息情感极性分类处理系统及方法，网络文本情感极性广泛应用与舆情监控系统中，但传统机器学习方法的特征工程提取模块对文本信息损失较大，分类模型准确性也不够高。本方法，数据预处理后，通过BERT预训练模型fine‑tuning的方式构建词向量，BERT模型计算了句子中的字与其他每个字之间的相关性，构造的词向量能较好解决汉语的“一词多义”和“近义词”情况，大大减少了词向量表示的损失，分类模型中，先用Bi‑LSTM有效学习上下文信息，再用Attention捕获主要语义信息，有效过滤无价值舆情信息，最后使用softmax分类，所得舆情文本情感极性分类结果性能比当下主流算法达到更好的性能。