[發明專利]細粒度情感分析方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201910796626.0
• 申請日: 2019-08-27
• 公開（公告）號: CN110516245A
• 公開（公告）日: 2019-11-29
• 發明（設計）人: 吳澤宏;柯宗慶;黃佐華
• 申請（專利權）人: 藍盾信息安全技術股份有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 44245 廣州市華學知識產權代理有限公司
• 代理人: 李君<國際申請>=<國際公布>=<進入國

1.一種細粒度情感分析方法，其特征在于，所述方法包括：

獲取源領域數據集和目標領域數據集；其中，所述源領域數據集中的每條數據為評論文本、評論標簽、評論分數的三元組格式數據；

搭建情感分析初始模型；

將源領域數據集的評論文本序列和評論標簽序列進行向量化；

將向量化后的評論文本序列和評論標簽序列輸入情感分析初始模型進行訓練，得到情感分析預訓練模型；

利用情感分析預訓練模型在目標領域數據集上進行微調訓練，得到細粒度情感分析模型；

對待分析文本進行分詞、去停用詞處理，在處理后輸入細粒度情感分析模型，進行細粒度情感分析，輸出得到情感分析結果。

2.根據權利要求1所述的細粒度情感分析方法，其特征在于，所述情感分析初始模型包括雙向長短期記憶網絡層、注意力機制層和全連接層；

所述將向量化后的評論文本序列和評論標簽序列輸入情感分析初始模型進行訓練，得到情感分析預訓練模型，具體包括：

將向量化后的評論文本序列輸入雙向長短期記憶網絡層，經特征映射后得到序列規律信息；

將向量化后的評論文本序列、向量化后的評論標簽序列平均值和序列規律信息輸入注意力機制層，對序列規律信息的各個元素進行加權，得到輸出序列；

將輸出序列輸入全連接層，輸出預測結果，并對情感分析初始模型的參數進行優化，得到情感分析預訓練模型。

3.根據權利要求2所述的細粒度情感分析方法，其特征在于，所述對序列規律信息的各個元素進行加權，得到輸出序列，如下：

S＝α₁h₁，α₂h₂，...，α_nh_n

其中，S為輸出序列，(h₁，h₂，...，h_n)為序列規律信息；(α₁，α₂，...，α_n)為權重，其計算公式如下：

其中，1≤i≤n，1≤j≤n；w_i為向量化后的評論文本序列；score為得分函數，其計算公式如下：

score(T，w_i)＝v^Ttanh(W_hT+W_Tw_i+b)

其中，v^T、W_h、W_T為待學習的參數矩陣，b為注意力機制層的偏置值；T_i為向量化后的評論標簽序列，1≤i≤n。

4.根據權利要求2所述的細粒度情感分析方法，其特征在于，所述將輸出序列輸入全連接層，輸出預測結果，具體包括：

在全連接層中，輸出序列經過一個ReLu層的映射，如下：

S′＝ReLu(WS+b)

其中，S為輸出序列，S′為經過一個ReLu層映射得到的序列，W為待學習的參數矩陣，b為ReLu層的偏置值；

在全連接層最后的輸出層中利用softmax函數進行映射，得到預測結果，如下：

其中，W′為待學習的參數矩陣，b′為全連接層最后的輸出層的偏置值。

5.根據權利要求1-4任一項所述的細粒度情感分析方法，其特征在于，所述獲取源領域數據集，具體包括：

從互聯網上爬取帶有評論標簽的評論文本；

對評論文本和評論標簽進行分詞、去停用詞處理，在處理后以評論文本、評論標簽、評論分數的三元組格式進行存儲，得到源領域數據集。

6.根據權利要求5所述的細粒度情感分析方法，其特征在于，所述從互聯網上爬取帶有評論標簽的評論文本，具體為：采用Scrapy分布式爬蟲框架從互聯網上爬取帶有評論標簽的評論文本；

對評論文本和評論標簽進行分詞，具體為：采用開源的結巴分詞工具對評論文本和評論標簽進行分詞；其中，評論標簽分詞后最大的長度為2。