1.一种基于记忆网络的文本情感分类方法，其特征在于包括如下步骤：步骤(1)对文本进行分词；

步骤(2)对分词后的文本，进行词向量嵌入，得到文本词向量；

步骤(3)把文本词向量输入到自注意力模型中，得到文本特征；

步骤(4)使用记忆网络模型多次对文本特征进行情感特征的提取，输出最后的分类结果。

2.根据权利要求1所述的一种基于记忆网络的文本情感分类方法,其特征在于步骤(1)所述对文本分词的过程如下：

1-1.确定文本的所属领域，人工搜集所属领域的相关词汇；

1-2.将步骤1-1中搜集的词汇和对应领域的公共词汇数据库进行合并，获得自定义领域词典；

1-3.根据当下通用的停用词，并结合对应领域，构建领域词典的停用词词典；

1-4.使用专业的中文分词工具，对文本进行分词，得到的文本的分词结果。

3.根据权利要求1或2所述的一种基于记忆网络的文本情感分类方法，其特征在于步骤(2)所述的对分词后的文本，进行词向量嵌入，得到文本词向量的详细过程如下：

2-1.使用word2vec工具训练分词后的文本来获得文本词向量，得到一个embedding的文件；embedding用于存放文本词向量；

2-2.根据步骤1中得到的文本的分词结果，使用embedding进行文本词向量的训练，获得新的文本词向量Ⅰ。

4.根据权利要求1所述的一种基于记忆网络的文本情感分类方法，其特征在于步骤(3)所述的把文本词向量输入到自注意力模型中，得到文本特征的过程如下：

3-1.将文本词向量Ⅰ输入到自注意力模型中获得上下文相关的文本特征。

5.根据权利要求4所述的一种基于记忆网络的文本情感分类方法，其特征在于步骤(4)所述的使用记忆网络模型多次对文本特征进行情感特征的提取，输出最后的分类结果，过程如下：

4-1.进行关键情感信息的抽取：

μ＝[F*q*；|F-q*|；F*mt-1；|F-mt-1|]   (1)其中，F表示文本，q*表示描述文本的某一个方面情感问句，“；”表示向量连接，“*、-、| |”分别表示向量点乘、减法和绝对值；Hc表示文本的长度，F词向量的形状为[1，Hc]，Hq表示情感问句的长度，Hm表示记忆网络的记忆向量，q*和mt-1的形状分别为[1，Hq]和[1，Hm]；

4-2.将记忆网络模型的输出mt输入到softmax函数，输出最终的分类结果。

6.根据权利要求5所述的一种基于记忆网络的文本情感分类方法，其特征在于步骤4-2的详细过程：记忆网络模型具有三个组件：注意门、特征转换部分和存储器更新门，记忆网络模型用于将F与q*结合，提取出与文本情感相关的文本特征；

将α中的第i个元素作为 的注意权重，通过使用双层感知器变换μ获得α：其中， 和 是双层感知器的参数；

特征转换部分将F和α作为输入，然后获得更新后的F′：F＝F·α

记忆更新门使用情感问句q*，先前的记忆向量mt-1和更新后的F‘输出更新的记忆向量mt：mt＝relu([q*；mt-1；F′]·Wu)其中，Wu是线性层的参数；

每次迭代记忆网络模型都使用α来过滤无关的情感信息，记忆网络模型在最后一次迭代时产生mt作为记忆网络模型的最终输出。