文字情感辨識(shí)系統(tǒng)及方法
【專利摘要】本發(fā)明提供一種文字情感辨識(shí)系統(tǒng)及方法，其中，系統(tǒng)包括：文字接收裝置，用于接收被測文字，并將被測文字轉(zhuǎn)換為文字向量；神經(jīng)網(wǎng)絡(luò)層，用于對文字向量進(jìn)行處理，以獲得文字抽象表征數(shù)據(jù)；線性層，用于對文字抽象表征數(shù)據(jù)進(jìn)行線性化，以獲得線性數(shù)據(jù)；情感分析裝置，用于根據(jù)線性數(shù)據(jù)計(jì)算被測文字所對應(yīng)的情感標(biāo)簽數(shù)據(jù)，并通過情感標(biāo)簽數(shù)據(jù)對被測文字進(jìn)行情感辨識(shí)。本發(fā)明提供的文字情感辨識(shí)系統(tǒng)及方法，能夠使得當(dāng)被測文字中不包含有情感關(guān)鍵詞時(shí)，依舊可以對被測文字進(jìn)行情感辨識(shí)。
【專利說明】
文字情感辨識(shí)系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及機(jī)器學(xué)習(xí)領(lǐng)域，尤其涉及一種文字情感辨識(shí)系統(tǒng)及方法。
【背景技術(shù)】
[0002]隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，情感辨識(shí)已然成為人機(jī)交互領(lǐng)域的重要研究內(nèi)容。目前，文字情感辨識(shí)系統(tǒng)通常是通過先提取被測的某段文字中的情感關(guān)鍵詞，然后再對所提取的情感關(guān)鍵詞進(jìn)行情感匹配，進(jìn)而對該段文字的情感進(jìn)行辨識(shí)。但是，現(xiàn)有的文字情感辨識(shí)系統(tǒng)的缺點(diǎn)在于，當(dāng)被測的某段文字中不包含有情感關(guān)鍵詞時(shí)，則無法判斷出該段文字所呈現(xiàn)的情感。

【發(fā)明內(nèi)容】

[0003]本發(fā)明要解決的技術(shù)問題是提供一種文字情感辨識(shí)系統(tǒng)及方法，使得當(dāng)被測文字中不包含有情感關(guān)鍵詞時(shí)，依舊可以對被測文字進(jìn)行情感辨識(shí)。
[0004]為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案是，
[0005]一方面，本發(fā)明提供一種文字情感辨識(shí)系統(tǒng)，包括:文字接收裝置，用于接收被測文字，并將被測文字轉(zhuǎn)換為文字向量;神經(jīng)網(wǎng)絡(luò)層，用于對文字向量進(jìn)行處理，以獲得文字抽象表征數(shù)據(jù);線性層，用于對文字抽象表征數(shù)據(jù)進(jìn)行線性化，以獲得線性數(shù)據(jù);情感分析裝置，用于根據(jù)線性數(shù)據(jù)計(jì)算被測文字所對應(yīng)的情感標(biāo)簽數(shù)據(jù)，并通過情感標(biāo)簽數(shù)據(jù)對被測文字進(jìn)行情感辨識(shí)。
[0006]進(jìn)一步地，神經(jīng)網(wǎng)絡(luò)層包括依次連接的第一層神經(jīng)網(wǎng)絡(luò)和第二層神經(jīng)網(wǎng)絡(luò)；第一層神經(jīng)網(wǎng)絡(luò)，接收文字向量，并對文字向量進(jìn)行抽象表征，以獲得第一文字抽象表征數(shù)據(jù)；第二層神經(jīng)網(wǎng)絡(luò)，接收第一文字抽象表征數(shù)據(jù)，并對第一文字抽象表征數(shù)據(jù)進(jìn)行進(jìn)一步抽象表征，以獲得文字抽象表征數(shù)據(jù)。
[0007]進(jìn)一步地，第一層神經(jīng)網(wǎng)絡(luò)為長短期記憶人工神經(jīng)網(wǎng)絡(luò)；第二層神經(jīng)網(wǎng)絡(luò)為細(xì)胞式類神經(jīng)網(wǎng)絡(luò)。
[0008]進(jìn)一步地，系統(tǒng)采用文字抽象表征數(shù)據(jù)進(jìn)行自學(xué)習(xí)。
[0009]進(jìn)一步地，線性層至少有一層。
[0010]進(jìn)一步地，線性層有三層，分別為第一線性層，第二線性層和第三線性層;第一線性層，接收文字抽象表征數(shù)據(jù)，并對文字抽象表征數(shù)據(jù)進(jìn)行線性化處理，以獲得第一線性數(shù)據(jù);第二線性層，接收第一線性數(shù)據(jù)，并對第一線性數(shù)據(jù)進(jìn)行線性化處理，以獲得第二線性數(shù)據(jù);第三線性層，接收第二線性數(shù)據(jù)，并對第二線性數(shù)據(jù)進(jìn)行線性化處理，以獲得線性數(shù)據(jù)。
[0011 ]另一方面，本發(fā)明提供一種文字情感辨識(shí)方法，包括:文字接收裝置接收被測文字，并將被測文字轉(zhuǎn)換為文字向量;神經(jīng)網(wǎng)絡(luò)層對文字向量進(jìn)行處理，以獲得文字抽象表征數(shù)據(jù);線性層對文字抽象表征數(shù)據(jù)進(jìn)行線性化，以獲得線性數(shù)據(jù);情感分析裝置根據(jù)線性數(shù)據(jù)計(jì)算被測文字所對應(yīng)的情感標(biāo)簽數(shù)據(jù)，并通過情感標(biāo)簽數(shù)據(jù)對被測文字進(jìn)行情感辨識(shí)。
[0012]進(jìn)一步地，神經(jīng)網(wǎng)絡(luò)層包括依次連接的第一層神經(jīng)網(wǎng)絡(luò)和第二層神經(jīng)網(wǎng)絡(luò)；第一層神經(jīng)網(wǎng)絡(luò)，接收文字向量，并對文字向量進(jìn)行抽象表征，以獲得第一文字抽象表征數(shù)據(jù)；第二層神經(jīng)網(wǎng)絡(luò)，接收第一文字抽象表征數(shù)據(jù)，并對第一文字抽象表征數(shù)據(jù)進(jìn)行進(jìn)一步抽象表征，以獲得文字抽象表征數(shù)據(jù)。
[0013]進(jìn)一步地，第一層神經(jīng)網(wǎng)絡(luò)為長短期記憶人工神經(jīng)網(wǎng)絡(luò)；第二層神經(jīng)網(wǎng)絡(luò)為細(xì)胞式類神經(jīng)網(wǎng)絡(luò)。
[0014]本發(fā)明提供的文字情感辨識(shí)系統(tǒng)及方法，在接收到被測文字之后，先將該被測文字轉(zhuǎn)換成文字向量，再將該文字向量輸入到神經(jīng)網(wǎng)絡(luò)層中進(jìn)行處理以獲得對應(yīng)于被測文字的文字抽象表征數(shù)據(jù)，之后再將文字抽象表征數(shù)據(jù)輸入到線性層中，通過線性層對文字抽象表征數(shù)據(jù)進(jìn)行線性化以降低文字抽象表征數(shù)據(jù)的維度，從而獲得線性數(shù)據(jù);最后再根據(jù)線性數(shù)據(jù)計(jì)算出對應(yīng)于被測文字的情感標(biāo)簽數(shù)據(jù)，并通過該情感標(biāo)簽數(shù)據(jù)與預(yù)設(shè)的情感數(shù)據(jù)進(jìn)行匹配，從而實(shí)現(xiàn)對被測文字進(jìn)行情感辨識(shí)。
[0015]本發(fā)明的文字情感辨識(shí)系統(tǒng)及方法，采用神經(jīng)網(wǎng)絡(luò)層和線性層對被測文字進(jìn)行情感辨識(shí)，其中，神經(jīng)網(wǎng)絡(luò)層使用神經(jīng)網(wǎng)絡(luò)算法對文字向量進(jìn)行處理，獲得可有助于進(jìn)行機(jī)器自學(xué)習(xí)的文字抽象表征數(shù)據(jù);線性層則是對文字抽象表征數(shù)據(jù)進(jìn)行線性化處理，以降低數(shù)據(jù)維度，從而降低計(jì)算復(fù)雜度。在神經(jīng)網(wǎng)絡(luò)層和線性層的共同作用下，本發(fā)明的文字情感辨識(shí)系統(tǒng)及方法，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能，無論被測文字中是否包含有情感關(guān)鍵詞，都可以對被測文字進(jìn)行情感辨識(shí)。
【附圖說明】
[0016]圖1是本發(fā)明實(shí)施例提供的一種文字情感辨識(shí)系統(tǒng)的框圖；
[0017]圖2是本發(fā)明實(shí)施例提供的一種文字情感辨識(shí)方法的流程圖。
【具體實(shí)施方式】
[0018]下面通過具體的實(shí)施例進(jìn)一步說明本發(fā)明，但是，應(yīng)當(dāng)理解為，這些實(shí)施例僅僅是用于更詳細(xì)具體地說明之用，而不應(yīng)理解為用于以任何形式限制本發(fā)明。
[0019]實(shí)施例一
[0020]結(jié)合圖1，本實(shí)施例提供的文字情感辨識(shí)系統(tǒng)，包括:
[0021]文字接收裝置1:用于接收被測文字，并將被測文字轉(zhuǎn)換為文字向量；
[0022]神經(jīng)網(wǎng)絡(luò)層2:用于對文字向量進(jìn)行處理，以獲得文字抽象表征數(shù)據(jù)；
[0023]線性層3:用于對文字抽象表征數(shù)據(jù)進(jìn)行線性化，以獲得線性數(shù)據(jù)；
[0024]情感分析裝置4:用于根據(jù)線性數(shù)據(jù)計(jì)算被測文字所對應(yīng)的情感標(biāo)簽數(shù)據(jù)，并通過情感標(biāo)簽數(shù)據(jù)對被測文字進(jìn)行情感辨識(shí)。
[0025]本發(fā)明實(shí)施例提供的文字情感辨識(shí)系統(tǒng)，在接收到被測文字之后，先將該被測文字轉(zhuǎn)換成文字向量，再將該文字向量輸入到神經(jīng)網(wǎng)絡(luò)層2中進(jìn)行處理以獲得對應(yīng)于被測文字的文字抽象表征數(shù)據(jù)，之后再將文字抽象表征數(shù)據(jù)輸入到線性層3中，通過線性層3對文字抽象表征數(shù)據(jù)進(jìn)行線性化以降低文字抽象表征數(shù)據(jù)的維度，從而獲得線性數(shù)據(jù);最后再根據(jù)線性數(shù)據(jù)計(jì)算出對應(yīng)于被測文字的情感標(biāo)簽數(shù)據(jù)，并通過該情感標(biāo)簽數(shù)據(jù)與預(yù)設(shè)的情感數(shù)據(jù)進(jìn)行匹配，從而實(shí)現(xiàn)對被測文字進(jìn)行情感辨識(shí)。
[0026]本發(fā)明實(shí)施例的文字情感辨識(shí)系統(tǒng)，采用神經(jīng)網(wǎng)絡(luò)層2和線性層3對被測文字進(jìn)行情感辨識(shí)，其中，神經(jīng)網(wǎng)絡(luò)層2使用神經(jīng)網(wǎng)絡(luò)算法對文字向量進(jìn)行處理，獲得可有助于進(jìn)行機(jī)器自學(xué)習(xí)的文字抽象表征數(shù)據(jù);線性層3則是對文字抽象表征數(shù)據(jù)進(jìn)行線性化處理，以降低數(shù)據(jù)維度，從而降低計(jì)算復(fù)雜度。在神經(jīng)網(wǎng)絡(luò)層2和線性層3的共同作用下，本發(fā)明實(shí)施例的文字情感辨識(shí)系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)算法的自學(xué)習(xí)功能，無論被測文字中是否包含有情感關(guān)鍵詞，都可以對被測文字進(jìn)行情感辨識(shí)。
[0027]優(yōu)選地，神經(jīng)網(wǎng)絡(luò)層2包括依次連接的第一層神經(jīng)網(wǎng)絡(luò)和第二層神經(jīng)網(wǎng)絡(luò);第一層神經(jīng)網(wǎng)絡(luò)，接收文字向量，并對文字向量進(jìn)行抽象表征，以獲得第一文字抽象表征數(shù)據(jù);第二層神經(jīng)網(wǎng)絡(luò)，接收第一文字抽象表征數(shù)據(jù)，并對第一文字抽象表征數(shù)據(jù)進(jìn)行進(jìn)一步抽象表征，以獲得文字抽象表征數(shù)據(jù)。
[0028]進(jìn)一步優(yōu)選地，第一層神經(jīng)網(wǎng)絡(luò)為長短期記憶人工神經(jīng)網(wǎng)絡(luò)(Long-Short TermMemory ,LSTM);第二層神經(jīng)網(wǎng)絡(luò)為細(xì)胞式類神經(jīng)網(wǎng)絡(luò)(Cellular neural network，CNN)。長短期記憶人工神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)架構(gòu)的一種，其作用在于，將文字向量轉(zhuǎn)換成抽象的表征;細(xì)胞式類神經(jīng)網(wǎng)絡(luò)也是屬于機(jī)器學(xué)習(xí)架構(gòu)的一種，其作用在于，將通過長短期記憶人工神經(jīng)網(wǎng)絡(luò)所獲得的抽象的表征再更進(jìn)一步地轉(zhuǎn)換成更抽象的表征。本實(shí)施采用第一層神經(jīng)網(wǎng)絡(luò)和第二層神經(jīng)網(wǎng)絡(luò)共同作用，能夠更加準(zhǔn)確地對被測文字的情感進(jìn)行辨識(shí)。
[0029]優(yōu)選地，系統(tǒng)采用文字抽象表征數(shù)據(jù)進(jìn)行自學(xué)習(xí)。本實(shí)施例的系統(tǒng)，在對被測文字的情感進(jìn)行辨識(shí)的同時(shí)，也是在進(jìn)行自學(xué)習(xí)，本實(shí)施例采用長短期記憶人工神經(jīng)網(wǎng)絡(luò)獲得的第一文字抽象表征數(shù)據(jù)進(jìn)行自學(xué)習(xí)，同時(shí)再采用細(xì)胞式類神經(jīng)網(wǎng)絡(luò)獲得的更抽象的文字抽象表征數(shù)據(jù)進(jìn)行進(jìn)一步的自學(xué)習(xí)，通過雙重的自學(xué)習(xí)之后，能夠提高整個(gè)網(wǎng)絡(luò)層的機(jī)器自學(xué)習(xí)能力，也就是說，通過不斷地對系統(tǒng)進(jìn)行測試之后，整個(gè)系統(tǒng)能夠準(zhǔn)確地對被測文字的情感進(jìn)行辨識(shí)。
[0030]進(jìn)一步地，線性層3至少有一層。線性層3的作用在于對獲得的龐大數(shù)據(jù)進(jìn)行線性化，從而降低數(shù)據(jù)維度，從而降低計(jì)算復(fù)雜度。本實(shí)施例中，線性層3至少有一層，線性層3的數(shù)量越多可以將數(shù)據(jù)的維度降得更低，但是越多的線性層3則意味著在對數(shù)據(jù)進(jìn)行線性化的過程具有比較大的計(jì)算量。
[0031 ]優(yōu)選地，線性層3有三層，分別為第一線性層，第二線性層和第三線性層;第一線性層，接收文字抽象表征數(shù)據(jù)，并對文字抽象表征數(shù)據(jù)進(jìn)行線性化處理，以獲得第一線性數(shù)據(jù);第二線性層，接收第一線性數(shù)據(jù)，并對第一線性數(shù)據(jù)進(jìn)行線性化處理，以獲得第二線性數(shù)據(jù);第三線性層，接收第二線性數(shù)據(jù)，并對第二線性數(shù)據(jù)進(jìn)行線性化處理，以獲得線性數(shù)據(jù)。三個(gè)線性層既能夠?qū)?shù)據(jù)維度降低到系統(tǒng)需要的維度上，又能夠不因?yàn)榫€性化而增加過多的計(jì)算量。
[0032]實(shí)施例二
[0033]結(jié)合圖1，本實(shí)施例提供的文字情感辨識(shí)方法，包括:
[0034]步驟S1:文字接收裝置I接收被測文字，并將被測文字轉(zhuǎn)換為文字向量；
[0035]步驟S2:神經(jīng)網(wǎng)絡(luò)層2對文字向量進(jìn)行處理，以獲得文字抽象表征數(shù)據(jù)；
[0036]步驟S3:線性層3對文字抽象表征數(shù)據(jù)進(jìn)行線性化，以獲得線性數(shù)據(jù)；
[0037]步驟S4:情感分析裝置4根據(jù)線性數(shù)據(jù)計(jì)算被測文字所對應(yīng)的情感標(biāo)簽數(shù)據(jù)，并通過情感標(biāo)簽數(shù)據(jù)對被測文字進(jìn)行情感辨識(shí)。
[0038]本發(fā)明實(shí)施例提供的文字情感辨識(shí)方法，在接收到被測文字之后，先將該被測文字轉(zhuǎn)換成文字向量，再將該文字向量輸入到神經(jīng)網(wǎng)絡(luò)層2中進(jìn)行處理以獲得對應(yīng)于被測文字的文字抽象表征數(shù)據(jù)，之后再將文字抽象表征數(shù)據(jù)輸入到線性層3中，通過線性層3對文字抽象表征數(shù)據(jù)進(jìn)行線性化以降低文字抽象表征數(shù)據(jù)的維度，從而獲得線性數(shù)據(jù);最后再根據(jù)線性數(shù)據(jù)計(jì)算出對應(yīng)于被測文字的情感標(biāo)簽數(shù)據(jù)，并通過該情感標(biāo)簽數(shù)據(jù)與預(yù)設(shè)的情感數(shù)據(jù)進(jìn)行匹配，從而實(shí)現(xiàn)對被測文字進(jìn)行情感辨識(shí)。
[0039]本發(fā)明實(shí)施例的文字情感辨識(shí)方法，采用神經(jīng)網(wǎng)絡(luò)層2和線性層3對被測文字進(jìn)行情感辨識(shí)，其中，神經(jīng)網(wǎng)絡(luò)層2使用神經(jīng)網(wǎng)絡(luò)算法對文字向量進(jìn)行處理，獲得可有助于進(jìn)行機(jī)器自學(xué)習(xí)的文字抽象表征數(shù)據(jù);線性層3則是對文字抽象表征數(shù)據(jù)進(jìn)行線性化處理，以降低數(shù)據(jù)維度，從而降低計(jì)算復(fù)雜度。在神經(jīng)網(wǎng)絡(luò)層2和線性層3的共同作用下，本發(fā)明實(shí)施例的文字情感辨識(shí)方法，利用神經(jīng)網(wǎng)絡(luò)算法的自學(xué)習(xí)功能，無論被測文字中是否包含有情感關(guān)鍵詞，都可以對被測文字進(jìn)行情感辨識(shí)。
[0040]優(yōu)選地，神經(jīng)網(wǎng)絡(luò)層2包括依次連接的第一層神經(jīng)網(wǎng)絡(luò)和第二層神經(jīng)網(wǎng)絡(luò);第一層神經(jīng)網(wǎng)絡(luò)，接收文字向量，并對文字向量進(jìn)行抽象表征，以獲得第一文字抽象表征數(shù)據(jù);第二層神經(jīng)網(wǎng)絡(luò)，接收第一文字抽象表征數(shù)據(jù)，并對第一文字抽象表征數(shù)據(jù)進(jìn)行進(jìn)一步抽象表征，以獲得文字抽象表征數(shù)據(jù)。
[0041 ] 進(jìn)一步優(yōu)選地，第一層神經(jīng)網(wǎng)絡(luò)為長短期記憶人工神經(jīng)網(wǎng)絡(luò)(Long-Short TermMemory ,LSTM);第二層神經(jīng)網(wǎng)絡(luò)為細(xì)胞式類神經(jīng)網(wǎng)絡(luò)(Cellular neural network，CNN)。長短期記憶人工神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)架構(gòu)的一種，其作用在于，將文字向量轉(zhuǎn)換成抽象的表征;細(xì)胞式類神經(jīng)網(wǎng)絡(luò)也是屬于機(jī)器學(xué)習(xí)架構(gòu)的一種，其作用在于，將通過長短期記憶人工神經(jīng)網(wǎng)絡(luò)所獲得的抽象的表征再更進(jìn)一步地轉(zhuǎn)換成更抽象的表征。本實(shí)施采用第一層神經(jīng)網(wǎng)絡(luò)和第二層神經(jīng)網(wǎng)絡(luò)共同作用，能夠更加準(zhǔn)確地對被測文字的情感進(jìn)行辨識(shí)。
[0042]優(yōu)選地，采用文字抽象表征數(shù)據(jù)進(jìn)行自學(xué)習(xí)。本實(shí)施例在對被測文字的情感進(jìn)行辨識(shí)的同時(shí)，也是在進(jìn)行自學(xué)習(xí)，本實(shí)施例采用長短期記憶人工神經(jīng)網(wǎng)絡(luò)獲得的第一文字抽象表征數(shù)據(jù)進(jìn)行自學(xué)習(xí)，同時(shí)再采用細(xì)胞式類神經(jīng)網(wǎng)絡(luò)獲得的更抽象的文字抽象表征數(shù)據(jù)進(jìn)行進(jìn)一步的自學(xué)習(xí)，通過雙重的自學(xué)習(xí)之后，能夠提高整個(gè)網(wǎng)絡(luò)層的機(jī)器自學(xué)習(xí)能力，也就是說，通過不斷地進(jìn)行測試之后，本實(shí)施例的方法能夠準(zhǔn)確地對被測文字的情感進(jìn)行辨識(shí)。
[0043]進(jìn)一步地，線性層3至少有一層。線性層3的作用在于對獲得的龐大數(shù)據(jù)進(jìn)行線性化，從而降低數(shù)據(jù)維度，從而降低計(jì)算復(fù)雜度。本實(shí)施例中，線性層3至少有一層，線性層3的數(shù)量越多可以將數(shù)據(jù)的維度降得更低，但是越多的線性層3則意味著在對數(shù)據(jù)進(jìn)行線性化的過程具有比較大的計(jì)算量。
[0044]優(yōu)選地，線性層3有三層，分別為第一線性層，第二線性層和第三線性層;第一線性層，接收文字抽象表征數(shù)據(jù)，并對文字抽象表征數(shù)據(jù)進(jìn)行線性化處理，以獲得第一線性數(shù)據(jù);第二線性層，接收第一線性數(shù)據(jù)，并對第一線性數(shù)據(jù)進(jìn)行線性化處理，以獲得第二線性數(shù)據(jù);第三線性層，接收第二線性數(shù)據(jù)，并對第二線性數(shù)據(jù)進(jìn)行線性化處理，以獲得線性數(shù)據(jù)。三個(gè)線性層既能夠?qū)?shù)據(jù)維度降低到需要的維度上，又能夠不因?yàn)榫€性化而增加過多的計(jì)算量。
[0045]盡管本發(fā)明已進(jìn)行了一定程度的描述，明顯地，在不脫離本發(fā)明的精神和范圍的條件下，可進(jìn)行各個(gè)條件的適當(dāng)變化?？梢岳斫?，本發(fā)明不限于所述實(shí)施方案，而歸于權(quán)利要求的范圍，其包括所述每個(gè)因素的等同替換。
【主權(quán)項(xiàng)】
1.一種文字情感辨識(shí)系統(tǒng)，其特征在于，包括: 文字接收裝置:用于接收被測文字，并將所述被測文字轉(zhuǎn)換為文字向量； 神經(jīng)網(wǎng)絡(luò)層:用于對所述文字向量進(jìn)行處理，以獲得文字抽象表征數(shù)據(jù)； 線性層:用于對所述文字抽象表征數(shù)據(jù)進(jìn)行線性化，以獲得線性數(shù)據(jù)； 情感分析裝置:用于根據(jù)所述線性數(shù)據(jù)計(jì)算所述被測文字所對應(yīng)的情感標(biāo)簽數(shù)據(jù)，并通過所述情感標(biāo)簽數(shù)據(jù)對所述被測文字進(jìn)行情感辨識(shí)。2.根據(jù)權(quán)利要求1所述的文字情感辨識(shí)系統(tǒng)，其特征在于，所述神經(jīng)網(wǎng)絡(luò)層包括依次連接的第一層神經(jīng)網(wǎng)絡(luò)和第二層神經(jīng)網(wǎng)絡(luò)； 所述第一層神經(jīng)網(wǎng)絡(luò)，接收所述文字向量，并對所述文字向量進(jìn)行抽象表征，以獲得第一文字抽象表征數(shù)據(jù)； 所述第二層神經(jīng)網(wǎng)絡(luò)，接收所述第一文字抽象表征數(shù)據(jù)，并對所述第一文字抽象表征數(shù)據(jù)進(jìn)行進(jìn)一步抽象表征，以獲得所述文字抽象表征數(shù)據(jù)。3.根據(jù)權(quán)利要求2所述的文字情感辨識(shí)系統(tǒng)，其特征在于， 所述第一層神經(jīng)網(wǎng)絡(luò)為長短期記憶人工神經(jīng)網(wǎng)絡(luò)； 所述第二層神經(jīng)網(wǎng)絡(luò)為細(xì)胞式類神經(jīng)網(wǎng)絡(luò)。4.根據(jù)權(quán)利要求1所述的文字情感辨識(shí)系統(tǒng)，其特征在于，所述系統(tǒng)采用所述文字抽象表征數(shù)據(jù)進(jìn)行自學(xué)習(xí)。5.根據(jù)權(quán)利要求1所述的文字情感辨識(shí)系統(tǒng)，其特征在于，所述線性層至少有一層。6.根據(jù)權(quán)利要求5所述的文字情感辨識(shí)系統(tǒng)，其特征在于，所述線性層有三層，分別為第一線性層，第二線性層和第三線性層； 所述第一線性層，接收所述文字抽象表征數(shù)據(jù)，并對所述文字抽象表征數(shù)據(jù)進(jìn)行線性化處理，以獲得第一線性數(shù)據(jù)； 所述第二線性層，接收所述第一線性數(shù)據(jù)，并對所述第一線性數(shù)據(jù)進(jìn)行線性化處理，以獲得第二線性數(shù)據(jù)； 所述第三線性層，接收所述第二線性數(shù)據(jù)，并對所述第二線性數(shù)據(jù)進(jìn)行線性化處理，以獲得所述線性數(shù)據(jù)。7.一種文字情感辨識(shí)方法，其特征在于，包括: 步驟S1:文字接收裝置接收被測文字，并將所述被測文字轉(zhuǎn)換為文字向量； 步驟S2:神經(jīng)網(wǎng)絡(luò)層對所述文字向量進(jìn)行處理，以獲得文字抽象表征數(shù)據(jù)； 步驟S3:線性層對所述文字抽象表征數(shù)據(jù)進(jìn)行線性化，以獲得線性數(shù)據(jù)； 步驟S4:情感分析裝置根據(jù)所述線性數(shù)據(jù)計(jì)算所述被測文字所對應(yīng)的情感標(biāo)簽數(shù)據(jù)，并通過所述情感標(biāo)簽數(shù)據(jù)對所述被測文字進(jìn)行情感辨識(shí)。8.根據(jù)權(quán)利要求7所述的文字情感辨識(shí)方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)層包括依次連接的第一層神經(jīng)網(wǎng)絡(luò)和第二層神經(jīng)網(wǎng)絡(luò)； 所述第一層神經(jīng)網(wǎng)絡(luò)，接收所述文字向量，并對所述文字向量進(jìn)行抽象表征，以獲得第一文字抽象表征數(shù)據(jù)； 所述第二層神經(jīng)網(wǎng)絡(luò)，接收所述第一文字抽象表征數(shù)據(jù)，并對所述第一文字抽象表征數(shù)據(jù)進(jìn)行進(jìn)一步抽象表征，以獲得所述文字抽象表征數(shù)據(jù)。9.根據(jù)權(quán)利要求8所述的文字情感辨識(shí)系統(tǒng)，其特征在于，所述第一層神經(jīng)網(wǎng)絡(luò)為長短期記憶人工神經(jīng)網(wǎng)絡(luò)；所述第二層神經(jīng)網(wǎng)絡(luò)為細(xì)胞式類神經(jīng)網(wǎng)絡(luò)。
【文檔編號(hào)】G06F17/27GK106095746SQ201610382003
【公開日】2016年11月9日
【申請日】2016年6月1日 公開號(hào)201610382003.5, CN 106095746 A, CN 106095746A, CN 201610382003, CN-A-106095746, CN106095746 A, CN106095746A, CN201610382003, CN201610382003.5
【發(fā)明人】謝維容
【申請人】竹間智能科技（上海）有限公司