[發明專利]觀點提取方法及裝置

在審

• 申請號: 201810205252.6
• 申請日: 2018-03-13
• 公開（公告）號: CN110309407A
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 沈一;蔡龍軍;茅越;李明
• 申請（專利權）人: 優酷網絡技術（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/35;G06F17/27
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

本公開涉及一種觀點提取方法及裝置。該方法通過網絡模型實現，該網絡模型包括編碼模塊以及解碼模塊，方法包括：獲取待提取對象的特征信息；將特征信息輸入編碼模塊中進行處理，確定待提取對象的編碼信息；將編碼信息輸入解碼模塊中進行處理，確定待提取對象的觀點提取結果，其中，編碼模塊包括循環神經網絡，解碼模塊包括具有注意力機制的循環神經網絡。根據本公開實施例，能夠獲取待提取對象的特征信息，將特征信息輸入編碼模塊中進行處理，確定待提取對象的編碼信息，將編碼信息輸入解碼模塊中進行處理，確定待提取對象的觀點提取結果，通過利用網絡模型實現獲取待提取對象的觀點提取結果，提高了觀點提取結果的準確度。

技術領域

本公開涉及計算機技術領域，尤其涉及一種觀點提取方法及裝置。

背景技術

隨著社交網絡、移動互聯網的不斷普及，人們發布信息的成本越來越低，越來越多的用戶樂于在互聯網上分享自己的觀點，這些觀點對于輿情分析以及基于大數據的預測有著重要的意義。然而，相關技術中，觀點提取結果的準確度較低。

發明內容

有鑒于此，本公開提出了一種觀點提取方法及裝置，能夠準確地獲取觀點提取結果。

根據本公開的一方面，提供了一種觀點提取方法，所述方法通過網絡模型實現，所述網絡模型包括編碼模塊以及解碼模塊，所述方法包括：

獲取待提取對象的特征信息；

將所述特征信息輸入所述編碼模塊中進行處理，確定所述待提取對象的編碼信息；

將所述編碼信息輸入所述解碼模塊中進行處理，確定所述待提取對象的觀點提取結果，

其中，所述編碼模塊包括循環神經網絡，所述解碼模塊包括具有注意力機制的循環神經網絡。

在一種可能的實現方式中，所述網絡模型還包括嵌入模塊，

其中，獲取待提取對象的特征信息，包括：

確定所述待提取對象的多個初始信息；

將所述多個初始信息輸入所述嵌入模塊進行向量化處理，確定所述多個初始信息的向量信息；

將所述向量信息確定為所述特征信息。

在一種可能的實現方式中，所述編碼模塊包括第一隱藏層，所述特征信息包括T個編碼時序的特征信息，

其中，將所述特征信息輸入所述編碼模塊中進行處理，確定所述待提取對象的編碼信息，包括：

將所述T個編碼時序的特征信息輸入所述第一隱藏層中進行處理，確定所述待提取對象的T個編碼時序的編碼信息，

其中，T為正整數。

在一種可能的實現方式中，所述解碼模塊包括第二隱藏層和輸出層，所述輸出層輸出N個解碼時序的觀點提取結果，

其中，將所述編碼信息輸入所述解碼模塊中進行處理，確定所述待提取對象的觀點提取結果，包括：

將第i-1個解碼時序的隱藏層結果、第i-1個解碼時序的觀點提取結果以及第i-1個解碼時序的語義信息輸入到所述第二隱藏層中進行處理，確定第i個解碼時序的隱藏層結果；

根據所述第i個解碼時序的隱藏層結果以及所述T個編碼時序的編碼信息的相關度，分別確定針對所述第i個解碼時序的所述T個編碼時序的編碼信息的T個權重；

通過注意力調整函數對所述T個編碼時序的編碼信息以及所述T個權重進行處理，確定第i個解碼時序的語義信息；

將所述第i個解碼時序的語義信息、第i-1個解碼時序的觀點提取結果以及所述第i個解碼時序的隱藏層結果輸入到所述輸出層中進行處理，確定第i個解碼時序的觀點提取結果，