一种用于多领域的文本情感分类方法

专利主权项内容

1.一种用于多领域的文本情感分类方法，其特征在于，包括以下步骤：S1：获取目标领域带标签的文本数据并进行预处理，对将预处理后的文本数据输入到文本情感分类模型预设的词嵌入层，利用词嵌入、段嵌入和位置嵌入将文本数据进行向量化处理，得到词向量序列，所述词向量序列为词向量、段向量、位置向量；所述文本情感分类模型由依次连接的词嵌入层、ALBERT模型、多任务层和分类器组成；S2：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；S3：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；S4：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；S5：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。