[發(fā)明專利]文本情感分類方法、裝置及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201811349331.0
• 申請日: 2018-11-13
• 公開（公告）號: CN111241271B
• 公開（公告）日: 2023-04-25
• 發(fā)明（設(shè)計）人: 王艷銘;莫倩;韓忠明;巴達(dá)日胡;趙志遠(yuǎn);張冬旭
• 申請（專利權(quán)）人: 網(wǎng)智天元科技集團(tuán)股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/211;G06F40/30
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 徐麗

1.一種文本情感分類方法，其特征在于，包括：

獲取待分類的目標(biāo)文本和所述目標(biāo)文本的句向量矩陣；

根據(jù)所述目標(biāo)文本的句子參數(shù)確定所述目標(biāo)文本的超參數(shù)值；

根據(jù)所述目標(biāo)文本的句向量矩陣和超參數(shù)值，提取所述目標(biāo)文本的特征向量；

根據(jù)所述目標(biāo)文本的特征向量和預(yù)先訓(xùn)練好的分類器，確定所述目標(biāo)文本的情感類別；

所述根據(jù)所述目標(biāo)文本的句子參數(shù)確定所述目標(biāo)文本的超參數(shù)值，包括：

從所述目標(biāo)文本的句子參數(shù)中選取目標(biāo)參數(shù)，所述目標(biāo)參數(shù)包括句子長度、句子中的詞語長度和詞語個數(shù)中的一種或多種；

采用預(yù)設(shè)的超參數(shù)計算規(guī)則，計算得到所述目標(biāo)參數(shù)對應(yīng)的超參數(shù)值；

所述根據(jù)所述目標(biāo)文本的特征向量和預(yù)先訓(xùn)練好的分類器，確定所述目標(biāo)文本的情感類別，包括：

將所述目標(biāo)文本的特征向量輸入所述分類器進(jìn)行處理，得到所述目標(biāo)文本屬于各個情感類別的概率值；

將所述概率值中的最大概率值對應(yīng)的情感類別確定為所述目標(biāo)文本的情感類別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取所述目標(biāo)文本的句向量矩陣，包括：

根據(jù)預(yù)先訓(xùn)練好的詞向量模型獲取所述目標(biāo)文本的每個句子中每個詞的初始詞向量；

根據(jù)預(yù)先訓(xùn)練好的邏輯回歸模型獲取每個所述初始詞向量的情感得分；

根據(jù)每個所述初始詞向量的情感得分確定對應(yīng)詞的最終詞向量；

將所述目標(biāo)文本的各個所述最終詞向量排列組合得到所述目標(biāo)文本的句向量矩陣。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述超參數(shù)計算規(guī)則包括：將句子長度的平均數(shù)與句子中的詞語長度的平均數(shù)的比值或句子中的詞語個數(shù)的眾數(shù)作為超參數(shù)值；或者，根據(jù)以下公式計算超參數(shù)值h：

其中，max(S)表示最大句子長度，min(S)表示最小句子長度，max(N)表示最大詞語個數(shù)，min(N)表示最小詞語個數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分類器通過以下方式訓(xùn)練：

獲取訓(xùn)練樣本和所述訓(xùn)練樣本的句向量矩陣；其中，所述訓(xùn)練樣本包括多個正向情感的訓(xùn)練文本和多個負(fù)向情感的訓(xùn)練文本；

根據(jù)所述訓(xùn)練樣本的句子參數(shù)確定所述訓(xùn)練樣本的超參數(shù)值；

根據(jù)所述訓(xùn)練樣本的句向量矩陣和超參數(shù)值，提取所述訓(xùn)練樣本的特征向量；

利用所述訓(xùn)練樣本的特征向量和所述訓(xùn)練樣本所屬的情感類別訓(xùn)練得到所述分類器。

5.一種文本情感分類裝置，其特征在于，包括：

獲取模塊，用于獲取待分類的目標(biāo)文本和所述目標(biāo)文本的句向量矩陣；

確定模塊，用于根據(jù)所述目標(biāo)文本的句子參數(shù)確定所述目標(biāo)文本的超參數(shù)值；

提取模塊，用于根據(jù)所述目標(biāo)文本的句向量矩陣和超參數(shù)值，提取所述目標(biāo)文本的特征向量；

分類模塊，用于根據(jù)所述目標(biāo)文本的特征向量和預(yù)先訓(xùn)練好的分類器，確定所述目標(biāo)文本的情感類別；

所述確定模塊具體用于：

從所述目標(biāo)文本的句子參數(shù)中選取目標(biāo)參數(shù)，所述目標(biāo)參數(shù)包括句子長度、句子中的詞語長度和詞語個數(shù)中的一種或多種；

采用預(yù)設(shè)的超參數(shù)計算規(guī)則，計算得到所述目標(biāo)參數(shù)對應(yīng)的超參數(shù)值；

所述分類模塊具體用于：

將所述目標(biāo)文本的特征向量輸入所述分類器進(jìn)行處理，得到所述目標(biāo)文本屬于各個情感類別的概率值；

將所述概率值中的最大概率值對應(yīng)的情感類別確定為所述目標(biāo)文本的情感類別。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述裝置還包括訓(xùn)練模塊，用于：

獲取訓(xùn)練樣本和所述訓(xùn)練樣本的句向量矩陣；其中，所述訓(xùn)練樣本包括多個正向情感的訓(xùn)練文本和多個負(fù)向情感的訓(xùn)練文本；

根據(jù)所述訓(xùn)練樣本的句子參數(shù)確定所述訓(xùn)練樣本的超參數(shù)值；

根據(jù)所述訓(xùn)練樣本的句向量矩陣和超參數(shù)值，提取所述訓(xùn)練樣本的特征向量；

利用所述訓(xùn)練樣本的特征向量和所述訓(xùn)練樣本所屬的情感類別訓(xùn)練得到所述分類器。

7.一種電子設(shè)備，包括存儲器、處理器，所述存儲器中存儲有可在所述處理器上運行的計算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)權(quán)利要求1-4中任一項所述的方法。