[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的方面級情感分析方法

有效

• 申請?zhí)枺?/td>: 201910798920.5
• 申請日: 2019-08-27
• 公開（公告）號: CN110502626B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 熊慶宇;吳超;高旻;楊正益;王凱歌
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/30;G06N3/0464;G06N3/08
• 代理公司: 重慶西南華渝專利代理有限公司 50270
• 代理人: 郭桂林

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的方面級情感分析方法，包括建立方面級情感分析模型，通過該模型構(gòu)建方面級信息在文本中的相對位置矩陣，并將其與文本編碼進(jìn)行融合，對關(guān)聯(lián)矩陣中方面級信息所對應(yīng)的部分關(guān)聯(lián)矩陣進(jìn)行抽取，對于由多單詞組成的方面級信息再進(jìn)行均值化處理，將其作為最終的文本與方面信息之間的評分矩陣，其中，方面級情感分析模型包括詞嵌入模塊、相對位置編碼模塊、方面級注意力模塊和情感分類模塊。本發(fā)明通過對文本中方面級信息的情感進(jìn)行建模，進(jìn)而高效且準(zhǔn)確地對文本的方面級情感進(jìn)行分析。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理及人工智能領(lǐng)域，尤其涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的方面級情感分析方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展與廣泛應(yīng)用，越來越多的人傾向于通過網(wǎng)絡(luò)的方式發(fā)表意見、表達(dá)情緒或闡述觀點(diǎn)。社交、電商及自媒體等多種新型網(wǎng)絡(luò)平臺(tái)的蓬勃發(fā)展導(dǎo)致互聯(lián)網(wǎng)信息呈現(xiàn)幾何數(shù)量級增長。如何針對這些信息進(jìn)行有的分析和挖掘，識(shí)別出其情感傾向、預(yù)判其觀點(diǎn)、預(yù)測其情感隨時(shí)間的演化規(guī)律，幫助用戶高效、準(zhǔn)確以及全面地從海量文本信息中獲取人們所關(guān)注的內(nèi)容，并對這些信息進(jìn)行組織和處理，從而使用戶可以得到條理清晰且簡單直觀的信息分析和挖掘結(jié)果，已成為社會(huì)化媒體發(fā)展中需要迫切解決的重要熱點(diǎn)問題。

為了充分挖掘用戶評論文本中爆炸性增長的情感表示信息，方面級情感分析算法的運(yùn)用在此領(lǐng)域有著顯著的成效，此類分析算法是一種更細(xì)粒度的情感分析算法，算法模型可以針對文本中所包含的不同方面信息給出差異化的情感傾向。例如當(dāng)面對商品的評論信息時(shí)，用戶更希望從商品評論中了解已購買用戶對產(chǎn)品各個(gè)方面的情感傾向，這更有利于他們對商品進(jìn)行的更全面地評估。傳統(tǒng)的情感分析研究更多地聚焦于基于篇章級的情感分析，其中，在從基于Twitter文本進(jìn)行的分析實(shí)驗(yàn)中，存在篇章級的情感分析方法中有40％的分類錯(cuò)誤是由于沒有考慮方面級信息導(dǎo)致的。所以，應(yīng)用方面級的情感分析方法不僅可以更完整和全面地評估文本的情感，而且可以在一定程度上提高文本情感分析的準(zhǔn)確率。

目前方面級的情感分析方法大致有兩類。第一類是基于規(guī)則和情感詞典的方法，其主要根據(jù)人為構(gòu)建的情感詞典和語義規(guī)則，對文本中各方面信息所對應(yīng)的情感詞進(jìn)行提取并根據(jù)情感詞典對其進(jìn)行打分，然后根據(jù)方面級信息所得的情感總分在人工定義的情感分?jǐn)?shù)對應(yīng)表中所處的位置得出方面級信息所對應(yīng)的情感。例如專利CN?104268197?A公開了一種行業(yè)評論數(shù)據(jù)細(xì)粒度情感分析方法，利用1-gram和2-gram算法分別計(jì)算詞在不同情感極性下的分布，然后構(gòu)建情感詞庫并利用條件隨機(jī)場進(jìn)行命名實(shí)體識(shí)別，抽取評論特征，計(jì)算評論特征評價(jià)詞的情感傾向值。這種方法需要非常準(zhǔn)確且全面的情感詞典的構(gòu)建，以及非常繁復(fù)的語義規(guī)則定義，由此耗費(fèi)非常大的人力物力成本，并且這種方法對于不同的領(lǐng)域和不同的應(yīng)用場景等，均需要構(gòu)建不同的情感詞典和規(guī)則，通用性較差且情感分析效果并不明顯。

另一類則是基于神經(jīng)網(wǎng)絡(luò)的方法。這種方法主要使用各類的神經(jīng)網(wǎng)絡(luò)模型對文本進(jìn)行建模，而后利用訓(xùn)練語料庫對模型進(jìn)行訓(xùn)練，進(jìn)而就可以通過訓(xùn)練好的模型對需要分析的文本進(jìn)行分析。為此，專利CN?109472031?A公開了一種基于雙記憶注意力的方面級別情感分類模型及方法，其通過GRU循環(huán)神經(jīng)網(wǎng)絡(luò)構(gòu)建編碼器和解碼器，然后使用Softmax分類器對文本進(jìn)行分類，但是GRU循環(huán)神經(jīng)網(wǎng)絡(luò)每一步的輸出都包含了上一步的輸出，所以模型并不能很好地進(jìn)行并行處理，效率較低。目前公開的方面級情感分析的專利和文獻(xiàn)中，對方面級信息在文本中所處的相對位置信息考慮不是很多，但是語義學(xué)中一般認(rèn)為在一段文本中，離單詞越近的單詞對其的影響越大，所以位置的相對信息非常的重要，尤其對于文本中含有多個(gè)方面級信息時(shí)，各方面級信息的情感之間容易互相干擾，此時(shí)相對位置信息就更為重要了，故此，本領(lǐng)域亟待一種解決此類問題的方面級情感分析方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供了一種基于卷積神經(jīng)網(wǎng)絡(luò)的方面級情感分析方法，通過對文本中方面級信息的情感進(jìn)行建模，進(jìn)而高效且準(zhǔn)確地對文本的方面級情感進(jìn)行分析。