一种基于集成学习的带表情短文本情感分类方法

本发明公开了一种基于集成学习的带表情短文本情感分类方法，包括获取含有表情符号的短文本数据，对短文本数据进行预处理和特征处理；使用预训练的BERT模型对短文本进行向量化，获得上下文相关的文本嵌入表示；采用TextCNN模型提取文本特征，卷积层和池化层对嵌入向量进行特征学习；对表情符号进行动态权重分配，计算表情符号的动态权重，调整其嵌入向量；采用带注意力机制的BiLSTM和图卷积网络(GCN)对调整后的嵌入矩阵进行特征提取，获取多层次特征；在集成学习中，动态权重调整，将各模型提取的特征进行加权融合，形成综合特征向量；综合特征向量输入到训练后的情感分类模型中，得到短文本的情感分类结果，解决了在情感分类问题上识别不准确的问题。