[發(fā)明專(zhuān)利]一種針對(duì)視角級(jí)文本的情感分類(lèi)系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810250039.7
• 申請(qǐng)日: 2018-03-26
• 公開(kāi)（公告）號(hào): CN108470061A
• 公開(kāi)（公告）日: 2018-08-31
• 發(fā)明（設(shè)計(jì)）人: 廖祥文;陳國(guó)龍;謝媛媛;楊定達(dá)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 福州大學(xué)
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30
• 代理公司: 福州元?jiǎng)?chuàng)專(zhuān)利商標(biāo)代理有限公司 35100
• 代理人: 蔡學(xué)俊

本發(fā)明涉及一種針對(duì)視角級(jí)文本的情感分類(lèi)系統(tǒng)。包括文本數(shù)據(jù)預(yù)處理模塊，用于得到詞向量字典；特征抽取模塊，卷積記憶網(wǎng)絡(luò)模型用于構(gòu)建視角相關(guān)的注意力，抽取出視角相關(guān)的特征，并根據(jù)誤差不斷更新參數(shù)；分類(lèi)結(jié)果輸出模塊，用分類(lèi)函數(shù)得到文本最終的情感分類(lèi)結(jié)果。本發(fā)明能夠較好地進(jìn)行視角級(jí)觀(guān)點(diǎn)類(lèi)別的分析且通用性強(qiáng)，能站在數(shù)據(jù)使用者的角度進(jìn)行情感分析。

技術(shù)領(lǐng)域

本發(fā)明涉及情感分析和觀(guān)點(diǎn)挖掘領(lǐng)域，更具體地，涉及一種針對(duì)視角級(jí)文本的情感分類(lèi)系統(tǒng)，能夠較好地進(jìn)行視角級(jí)觀(guān)點(diǎn)類(lèi)別的分析且通用性強(qiáng)，能站在在數(shù)據(jù)使用者的角度進(jìn)行情感分析。

背景技術(shù)

當(dāng)前，有很多技術(shù)方法可用于文本情感分類(lèi)。傳統(tǒng)的文本分類(lèi)方法單純從文本分類(lèi)的角度出發(fā)，很難確定文中不同視角下情感類(lèi)別的不同。區(qū)別于傳統(tǒng)的文本分類(lèi)方法，如何利用文中不同視角的信息，進(jìn)行針對(duì)視角的文本情感分類(lèi)，是視角級(jí)文本情感分類(lèi)的問(wèn)題關(guān)鍵。傳統(tǒng)的研究工作主要是基于有監(jiān)督的機(jī)器學(xué)習(xí)的方法，該方法通過(guò)構(gòu)建視角相關(guān)的特征，使用支持向量機(jī)（SVMs）分類(lèi)器進(jìn)行情感分類(lèi)，提高了情感分類(lèi)結(jié)果。這一類(lèi)基于特征工程與淺層線(xiàn)性模型的方法雖然取得了一定的成效，但是需要大量的特征工程，耗時(shí)耗力，并且受限于人工設(shè)計(jì)的規(guī)則和特征的有效性以及模型的學(xué)習(xí)能力，故而其性能還有待提升。

當(dāng)前，隨著深度學(xué)習(xí)的快速發(fā)展，基于多層神經(jīng)網(wǎng)絡(luò)的表示學(xué)習(xí)模型在語(yǔ)義表示與情感分析運(yùn)用方面更具優(yōu)勢(shì)。許多研究者們也將這些模型用于視角級(jí)的文本情感分類(lèi)。神經(jīng)網(wǎng)絡(luò)模型與有監(jiān)督的機(jī)器學(xué)習(xí)方法相比，能夠自動(dòng)從數(shù)據(jù)中學(xué)習(xí)文本表示，從而避免了大量的特征工程，在捕獲視角和上下文之間復(fù)雜的語(yǔ)義關(guān)系方面也有更好的拓展性。但傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)文本分類(lèi)模型只是簡(jiǎn)單地將視角作為特征之一用于模型學(xué)習(xí)，沒(méi)有充分考慮視角和上下文之間的關(guān)系，不能衡量給定視角的上下文中每個(gè)詞對(duì)視角級(jí)情感分類(lèi)的語(yǔ)義貢獻(xiàn)程度。記憶網(wǎng)絡(luò)模型在自然語(yǔ)言處理中應(yīng)用廣泛，能夠較好地對(duì)視角和上下文進(jìn)行建模，得到上下文的語(yǔ)義分布情況，并且與循環(huán)神經(jīng)網(wǎng)絡(luò)模型相比，該方法更加簡(jiǎn)單、計(jì)算速度更快。但忽略了詞序信息，上下文中的詞之間是相互獨(dú)立的。卷積神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)局部特征的能力，可以通過(guò)卷積層構(gòu)造短語(yǔ)特征，密切上下文之間的聯(lián)系。

當(dāng)前，視角級(jí)情感分類(lèi)方法未充分利用文本中的視角信息，無(wú)法有效地挖掘出潛在的觀(guān)點(diǎn)信息。近年來(lái)，視角級(jí)情感分類(lèi)得到了國(guó)內(nèi)外許多學(xué)者和研究機(jī)構(gòu)的高度重視，被國(guó)際語(yǔ)義評(píng)測(cè)列為評(píng)測(cè)任務(wù)之一，是中國(guó)計(jì)算機(jī)學(xué)會(huì)舉辦的大數(shù)據(jù)與計(jì)算智能大賽的賽事之一，也是中文文本傾向性評(píng)測(cè)會(huì)議新的研究關(guān)注點(diǎn)。視角級(jí)文本情感分類(lèi)利用了文本中不同視角的信息，進(jìn)行針對(duì)視角的文本情感分類(lèi)，能夠站在數(shù)據(jù)使用者的角度進(jìn)行特定的情感分析，提供更加細(xì)粒度的信息，有效提高情感分析系統(tǒng)提供的分析結(jié)果的準(zhǔn)確程度，有助于研判人員更加了解人們對(duì)熱點(diǎn)話(huà)題、組織、產(chǎn)品等各種實(shí)體的真實(shí)觀(guān)點(diǎn)和看法，為研判人員提供更加有效而準(zhǔn)確的信息。這就對(duì)視角級(jí)文本情感分類(lèi)技術(shù)提出了一個(gè)挑戰(zhàn)：如何構(gòu)建一個(gè)有效的視角級(jí)文本情感分類(lèi)原型系統(tǒng)來(lái)滿(mǎn)足其需要。因此，人們迫切希望有一種準(zhǔn)確高效的視角級(jí)文本情感分類(lèi)方法，該方法能夠自動(dòng)抽取出有效特征，并對(duì)特征進(jìn)行抽象和組合，最終識(shí)別出文本中不同視角下的的不同觀(guān)點(diǎn)類(lèi)別。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種針對(duì)視角級(jí)文本的情感分類(lèi)系統(tǒng)，能夠自動(dòng)抽取出有效特征，并對(duì)特征進(jìn)行抽象和組合，最終識(shí)別出文本中給定視角的的觀(guān)點(diǎn)類(lèi)別。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種針對(duì)視角級(jí)文本的情感分類(lèi)系統(tǒng)，包括：

一數(shù)據(jù)預(yù)處理模塊，用于將文本進(jìn)行分詞，得到文本詞向量字典；

一特征抽取模塊，通過(guò)卷積記憶網(wǎng)絡(luò)模型構(gòu)建視角相關(guān)的注意力，抽取出視角相關(guān)的特征，并根據(jù)誤差不斷更新參數(shù)；

一分類(lèi)結(jié)果輸出模塊，根據(jù)特征抽取模塊得到的文本向量，用分類(lèi)函數(shù)得到最終的觀(guān)點(diǎn)分析結(jié)果。

在本發(fā)明一實(shí)施例中，所述數(shù)據(jù)預(yù)處理模塊中，詞向量字典的獲得借助了開(kāi)源的Glove工具事先在大預(yù)料里訓(xùn)練得到的詞向量。