欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019104659415
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种金融领域中文新闻短标题的情感分类方法,其特征在于,包括如下步骤:

(1)爬取各大金融网站的新闻短标题,清洗语料并标注出实体和情感极性,然后将语料按比例分割为训练集和测试集;

(2)获取现有的金融领域的知识图谱,将知识图谱的实体和关系映射到低维连续的向量空间,获得隐含语义信息的实体表示向量;

(3)将新闻短标题分词并识别文本中的实体提及,同时生成文本所有词语的词向量,其中文本所有词语为实体提及词语和其余上下文词语;

(4)将文本所有词语的词向量组成词向量矩阵输入到A&Eb‑BiLSTM模型,且步骤(2)中知识图谱中对应的实体表示向量作为A&Eb‑BiLSTM模型的输出,训练出实体提及词向量到知识图谱中实体表示向量的映射;

(5)将文本中的所有实体提及在词向量的基础上拼接知识图谱对应的实体向量以矩阵的方式输入到Ab‑BiLSTM模型,模型的输出就是新闻短标题的情感极性;

(6)测试集按照训练集方法构建,分别输入A&Eb‑BiLSTM模型和Ab‑BiLSTM模型进行映射和情感分类,通过准确率和F1‑Score值验证两个模型的有效性;

所述Ab‑BiLSTM模型包含多个计算层,通过pytorch深度学习框架构建,输入为新闻标题分词后的词向量和实体映射后的向量,实体提及的向量由词向量和映射得到的实体表示向量相加后表达,上下文的词向量不变,输入BiLSTM层并通过Attention 机制调整输出,输出送入下一个计算层,在下一个计算层先接入softmax层后再连接全连接层得到情感分类结果;

所述A&Eb‑BiLSTM模型与Ab‑BiLSTM模型计算经过Attention后得到最后的输入不同,A&Eb‑BiLSTM模型的BiLstm分左右两侧,最后将上、下文词语的Attention输出和经过线性层后的实体提及向量累加后通过求加权平均值并且输出送入下一个计算层,在下一个计算层先接入softmax层后再连接全连接层使其输出的维度与实体向量的维度相同,即得到映射向量。

2.根据权利要求1所述的金融领域中文新闻短标题的情感分类方法,其特征在于,所述步骤(1)中,将语料以9:1的比例分割为训练集和测试集。

3.根据权利要求1所述的金融领域中文新闻短标题的情感分类方法,其特征在于,所述情感极性分为积极和消极。

4.根据权利要求1所述的金融领域中文新闻短标题的情感分类方法,其特征在于,所述步骤(2)中,利用TransE算法将知识图谱的实体和关系映射到低维连续的向量空间。

5.根据权利要求1所述的金融领域中文新闻短标题的情感分类方法,其特征在于,所述步骤(3)中,利用jieba分词工具将训练集中的新闻短标题分词,再用BERT‑as‑service生成相应的实体提及词向量和上下文词向量。

6.根据权利要求1所述的金融领域中文新闻短标题的情感分类方法,其特征在于,所述步骤(6)中,通过准确率和F1‑Score值验证两个模型的有效性。