1.一种基于改进神经网络的评论情感分析方法，其特征在于，包括步骤：对于输入的评论文本数据，构造评论表征矩阵；

依次通过多个卷积核计算评论表征矩阵，得到不同尺寸的特征图；

使用金字塔池化计算每个得到的特征图，得到固定长度的特征向量；

拼接得到的每个特征图的特征向量，并使其与全连接层相连；

使用Softmax函数将全连接层的输出映射为一个概率分布向量，该概率分布向量的每一维对应情感分析任务中的一个情感类别；

选择概率分布向量中概率最大的值对应的情感类别作为评论情感判断结果。

2.根据权利要求1所述的一种基于改进神经网络的评论情感分析方法，其特征在于，对于输入的评论文本数据，进行分词处理，使用字词向量转换方法得到中文词向量，构造评论表征矩阵。

3.根据权利要求2所述的一种基于改进神经网络的评论情感分析方法，其特征在于，所述字词向量转换方法采用word2vec方法，将字词转换成多维向量。

4.根据权利要求3所述的一种基于改进神经网络的评论情感分析方法，其特征在于，所述评论表征矩阵中每一行表示评论中的一个词，每一列表示词向量的特定维度，所述词向量维度设置为300。

5.根据权利要求4所述的一种基于改进神经网络的评论情感分析方法，其特征在于，所述多个卷积核依次为3×300卷积核、4×300卷积核和5×300卷积核，且每类卷积核的数量设置为100。

6.根据权利要求1-6中任一所述的一种基于改进神经网络的评论情感分析方法，其特征在于，使用金字塔池化计算每个得到的特征图，得到固定长度的特征向量，包括步骤：设置金字塔池化的等级为[n1,n2,...,nk]；

依次将每个特征图等分为ni份，i＝1,2,3,...,k；

使用maxpooling从划分后的每份特征图中采样出最大值，并拼接该数个最大值得到固定长度的特征向量。

7.根据权利要求1所述的一种基于改进神经网络的评论情感分析方法，其特征在于，所述全连接层的数量与情感分析任务分类数量一致。