(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210044602.1 (22)申请日 2022.01.14 (71)申请人 山东师范大学 地址 250014 山东省济南市历下区文化 东 路88号 (72)发明人 邵增珍　肖建新　李壮壮　韩帅　 孙中志　徐卫志　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 张勇 (51)Int.Cl. G06F 40/30(2020.01) G06F 16/35(2019.01) G06F 40/242(2020.01) G06F 40/289(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的课程评论文本情感分析方 法及系统 (57)摘要 本公开提供了一种基于深度学习的课程评 论文本情感分析方法及系统， 包括： 获取待分析 的课程评论文本； 将所述课程评论文本输入预先 训练的课程评论文本情感分析模 型中， 获得课程 评论文本情感分析结果； 其中， 所述课程评论文 本情感分析模型包括输入层、 嵌入层、 BiGRU层、 Attention层以及激活层， 所述嵌入层采用XLNet 模型以及预先构建的课程评论情感词典将输入 的文本状态表示为加权词向量矩阵， 所述XLNet 模型以排列组合的形式对输入的文本进行重构， 通过将部分课程评论文本上下文信息中的部分 下文内容引入到上文中， 实现双向预测的功能。 权利要求书2页 说明书7页 附图3页 CN 114548111 A 2022.05.27 CN 114548111 A 1.一种基于深度学习的课程评论文本情感分析 方法， 其特 征在于， 包括： 获取待分析的课程评论文本； 将所述课程评论文本输入预先训练 的课程评论文本情 感分析模型中， 获得课程评论文 本情感分析 结果； 其中， 所述课程评论文本情感分析模型包括输入层、 嵌入层、 BiGRU层、 Attention层以 及激活层， 所述嵌入层采用XLNet模型以及预先构建的课程评论情感词典将输入的文本状 态表示为加权词向量矩阵， 所述XLNet模 型以排列组合的形式对输入的文本进 行重构， 通过 将部分课程评论文本上 下文信息中的部分下文内容引入到上文中， 实现双向预测的功能。 2.如权利要求1所述的一种基于深度 学习的课程评论文本情感分析方法， 其特征在于， 所述课程评论文本情感分析模型的训练， 具体为： 构建训练数据集， 基于所述训练集对所述课程评论文本情感分析模型进行训练， 获得 训练好的模型。 3.如权利要求1所述的一种基于深度 学习的课程评论文本情感分析方法， 其特征在于， 所述嵌入层将输入的文本状态表示为加权词向量矩阵， 具体为： 利用XLNet模型中的全排列 模型和双流子注意力模型， 使用情绪权 重对单词向量进行加权， 输出加权词向量矩阵。 4.如权利要求1所述的一种基于深度 学习的课程评论文本情感分析方法， 其特征在于， 所述加权词向量矩阵中采用的情绪权 重， 其获取 方式具体为： 对于待分析的课程评论文本进行分词及相应预处 理， 获得预处理后的文本； 基于互信 息度与左右熵结合的方式， 计算预处理后的文本 中的词汇与 预先构建的课程 评论情感词典中词汇的关联度； 基于获取的关联度， 选择关联度从大到小排序靠前的预设数量的词语， 并基于所述课 程评论情感词典中的情绪强度分类， 确定预处 理文本中的词汇所对应的情绪权 重。 5.如权利要求4所述的一种基于深度 学习的课程评论文本情感分析方法， 其特征在于， 对于获得的预设数量的词语， 分别存储到所述课程评论情感词典的对应类别中， 实现词典 的扩充。 6.如权利要求1所述的一种基于深度 学习的课程评论文本情感分析方法， 其特征在于， 所述课程评论情感词典， 其初始状态包括预先进行情绪强度划分的本体词汇库， 所述本体 词汇库中分类存 储有若干情感词语。 7.如权利要求1所述的一种基于深度 学习的课程评论文本情感分析方法， 其特征在于， 所述BiGRU层用于 接收所述加权词向量矩阵， 并从中方面 提取其上 下文特征。 8.一种基于深度学习的课程评论文本情感分析系统， 其特 征在于， 包括： 数据获取 单元， 其用于获取待分析的课程评论文本； 情感分析单元， 其用于将所述课程评论文本输入预先训练 的课程评论文本情感分析模 型中， 获得课程评论文本情感分析 结果； 其中， 所述课程评论文本情感分析模型包括输入层、 嵌入层、 BiGRU层、 Attention层以 及激活层， 所述嵌入层采用XLNet模型以及预先构建的课程评论情感词典将输入的文本状 态表示为加权词向量矩阵， 所述XLNet模 型以排列组合的形式对输入的文本进 行重构， 通过 将部分课程评论文本上 下文信息中的部分下文内容引入到上文中， 实现双向预测的功能。 9.一种计算机可读存储介质， 其特征在于， 其上存储有程序， 该程序被处理器执行时实权　利　要　求　书 1/2 页 2 CN 114548111 A 2现如权利要求1 ‑7任一项所述的一种基于深度学习的课程评论文本情感分析 方法。 10.一种电子设备， 其特征在于， 包括存储器、 处理器及存储在存储器上并可在处理器 上运行的程序， 所述处理器执行所述程序时实现如权利要求1 ‑7任一项所述的一种基于深 度学习的课程评论文本情感分析 方法。权　利　要　求　书 2/2 页 3 CN 114548111 A 3