[發(fā)明專利]一種基于子句特征的實體屬性依賴情感分析方法

有效

• 申請?zhí)枺?/td>: 201910795234.2
• 申請日: 2019-08-27
• 公開（公告）號: CN110765769B
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計）人: 楊尚明;劉勇國;李巧勤;朱俊林;王志華;陸佳鑫;傅翀
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F16/35;G06N3/084
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 甘茂

1.一種基于子句特征的實體屬性依賴情感分析方法，包括以下步驟：

步驟1：數(shù)據(jù)預(yù)處理

步驟1-1：子句分割：將句子切分為基本語篇單元(elementary?discourse?units,EDUs)，得到子句集合C；

步驟1-2：詞嵌入：將子句集合C中的每一個子句分別輸入到ELMo詞嵌入模型中，得到詞嵌入結(jié)果為其中，表示第i個子句中第l個單詞的嵌入向量；同時，得到實體詞嵌入向量為e_target；

步驟2：構(gòu)建并訓(xùn)練分類模型

步驟2-1：BiLSTM特征提取

將子句集合C中的每一個子句對應(yīng)的嵌入向量輸入到BiLSTM模型中提取句子特征，得到最終高級特征為：其中，表示第i個子句中第l個單詞的高級特征；同時，實體詞的高級特征表示為H_target；

步驟2-2：基于實體屬性依賴的注意力機制

1)對第i個子句c_i的第j個單詞設(shè)置權(quán)重

其中，W_a、b_a代表單詞注意力機制的權(quán)重和偏置；

進而得到第i個子句的高級特征表示為：

其中，

最終得到分配注意力后的句子特征向量表示：

2)將重新輸入到BiLSTM模型中，得到子句特征并對第i個子句設(shè)置權(quán)重β_i：

其中，W_c、b_c代表子句注意力機制中的權(quán)重和偏置；

進而得到最終提取的高級特征為：

R_final＝β·R

其中，β＝(β₁,β₂,...,β_m)；

將高級特征R_final輸入softmax層進行分類，得到分類結(jié)果y；

步驟2-3：構(gòu)建訓(xùn)練集，訓(xùn)練集中數(shù)據(jù)均采用步驟1進行預(yù)處理；設(shè)置損失函數(shù)，利用反向傳播法來計算梯度并更新所有的參數(shù)，完成模型參數(shù)訓(xùn)練；所述損失函數(shù)為：

其中，Q為樣本總數(shù)，g_q為真實標簽，y_q為預(yù)測輸出結(jié)果，λ_r為L2正則化的系數(shù)，θ代表參數(shù)集中的某一參數(shù)；

步驟3：情感分類

將待分析語句采用步驟1進行預(yù)處理后輸入步驟2訓(xùn)練完成分類模型，得到分類結(jié)果。