CN113254648B 一种基于多层次图池化的文本情感分析方法 （暨南大学）

US2020110777A1,2020.0classificationwithbi-direct1132页.一种基于多层次图池化的文本情感分析方法本发明公开了一种基于多层次图池化的文算图中各节点的注意力分数对图结构进行剪枝更新，采用Readout函数提取文本图的高阶特征2文本建图：设定固定长度的滑动窗口在文本建立多层次图池化模型，所述多层次图池化模型包括所述门控图神经网络层与第一图自注意力池化层连接，所述第所述门控图神经网络层设有重置门和更新门，所述重h'=tanh(w·xy+ty⊙uh)述图卷积层的算子同时采用图的节点特征向量矩阵和图的归一化拉普拉斯矩阵参与计算；3特征融合：对得到的各层次文本图向量表示，所述分词处理的具体步骤包括：对噪声信息去除后的所述去除停用词的具体步骤包括：对分词后对应的词列表，通过所述训练数值向量化的文本表示的具体步骤包括：采用word4X"=o(Lsym·x·w)6.根据权利要求1所述的基于多层次图池化的文本情感分析方法，其特征在于，所述所述文本建图模块用于为每个文本单独建图，设定固定长度的所述多层次图池化模型构建模块用于建立多层次图池所述门控图神经网络层与第一图自注意力池化层连接，所述第所述门控图神经网络层设有重置门和更新门，所述重h'=tanh(w·xy+ty⊙uh)5所述特征融合模块用于特征融合，对得到的各层次文本所述情感类别输出模块用于输出情感类别，将多层次线性全连接层和softmax分类层得到情感类别概率分布，选取最大概率值所对应的情感类述处理器执行存储器存储的程序时，实现如权利要求1-6任一项所述基于多层次图池化的6分类及分析是当前亟待解决的难题。文本的情感表达体现了人们对文本的理解和感情倾78[0027]h'=tanh(w·xy+r,⊙uh)[0039]X"=o(Lsym·x·w)9[0052]所述情感类别输出模块用于输出情感类别，将多层次的最终向经过线性全连接层和softmax分类层得到情感类别概率分布，选取最大概率值所对应的情的具体特征和高阶的抽象特征，并且结合图注意力机制不断关注到文本图同时对较不重要的节点进行剪枝，能很好的防止接下来更深层次的特征提[0073]通过正则表达式对文本数据进行预处理，将与情感分析任务无关的噪声信息过个词向量中加上表示词位置向量得到融合了扫描完整个文本，计算整个过程中词节点与词节点之间的共现点互信息（Pointmutualinformation,PMI作为词节点之间的边权。通过设定的Readout函数提取出低阶特征，接下来再通过图卷积层进行进一步更深层次的行图池化运算进一步保留注意力分数较高的对情感分析目标较重要的节点并对图结构进点间信息传播采用循环神经网络变体门控循环单元(GateRecurrentUnit,GRU)的原理，模型决定要将多少邻居节点的信息传递到当前节点并[0094]h'=tanh(w·xy+r,⊙uh)出带来关键情感特征的节点，删除掉注意力分数较低的较无关的节点并更新图的拓扑结[0107]X"=o(Lsym·x·w)息和共性信息。在所述模型中两次经过图自注意力池化层后都会通过Readout函数得到该Readout函数得到了从低阶到高阶多个层[0114]对得到的各层次文本图向量表示，通过特征融合函数得到多层次的最终向量表[0115]F=comncat(G1,.,G)再进行图池化操作，通过计算图中各节点的注意力分数对图结构进行剪枝更新，采用