[發明專利]一種情感傾向預測方法、裝置、系統及存儲介質在審
| 申請號： | 201910941635.4 | 申請日： | 2019-09-30 |
| 公開（公告）號： | CN110674301A | 公開（公告）日： | 2020-01-10 |
| 發明（設計）人： | 祝文博;雷欣;李志飛 | 申請（專利權）人： | 出門問問信息科技有限公司 |
| 主分類號： | G06F16/35 | 分類號： | G06F16/35;G06F40/284;G06N3/04 |
| 代理公司： | 11734 北京樂知新創知識產權代理事務所(普通合伙) | 代理人： | 江宇 |
| 地址： | 100044 北京市海淀區*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 情感傾向 神經網絡 圖形結構 文本信息 相似度 預測 鄰接矩陣 計算機存儲介質 情感分類模型 語義 數據轉化 預測結果 長文本 轉化 聚合 | ||
1.一種基于圖神經網絡GNN的情感傾向性預測方法，其特征在于，所述方法包括：
獲取文本信息；
將所述文本信息轉化為以詞為節點，以詞之間的相似度為邊的圖形結構數據；
將所述圖形結構數據轉化為由詞之間相似度構成的鄰接矩陣；
通過情感分類模型對所述鄰接矩陣進行情感傾向預測。
2.根據權利要求1所述的方法，其特征在于，所述將所述文本信息轉化為以詞為節點，以詞之間的相似度為邊的圖形結構數據，包括：
提取所述文本信息中的詞；
獲取所提取的詞之間的相似度；
以所提取的詞為節點，以詞之間的相似度為邊構造圖形結構數據。
3.根據權利要求2所述的方法，其特征在于，所述獲取所提取的詞之間的相似度，包括：
通過詞向量轉化工具獲取所提取的詞之間的相似度。
4.根據權利要求2所述的方法，其特征在于，所述獲取所提取的詞之間的相似度，包括：
通過使用詞相似度計算方法進行建模獲取所提取的詞之間的相似度。
5.根據權利要求1所述的方法，其特征在于，所述通過情感分類模型對所述鄰接矩陣進行情感傾向預測，包括：
通過卷積神經網絡模型CNN對所述鄰接矩陣進行特征提取以得到對應的壓縮表示向量；
將所述壓縮表示向量經過全連接層和分類模型獲得情感傾向預測結果。
6.一種基于圖神經網絡的情感傾向性預測裝置，其特征在于，所述裝置包括：
信息獲取模塊，用于獲取文本信息；
圖形結構數據轉化模塊，用于將所述文本信息轉化為以詞為節點，以詞之間的相似度為邊的圖形結構數據；
鄰接矩陣轉化模塊，用于將所述圖形結構數據轉化為由詞之間相似度構成的鄰接矩陣；
情感傾向預測模塊，通過情感分類模型對所述鄰接矩陣進行情感傾向預測。
7.根據權利要求6所述的裝置，其特征在于，所述圖形結構數據轉化模塊，包括：
詞提取單元，用于提取所述文本信息中的詞；
相似度獲取單元，用于獲取所提取的詞之間的相似度；
圖形結構數據構造單元，用于以所提取的詞為節點，以詞之間的相似度為邊構造圖形結構數據。
8.根據權利要求7所述的裝置，其特征在于，所述相似度獲取單元，具體用于，
通過詞向量轉化工具獲取所提取的詞之間的相似度。
9.一種基于圖神經網絡的情感傾向預測系統，包括處理器和存儲器，其中，所述存儲器中存儲有計算機程序指令，所述計算機程序指令被所述處理器運行時用于執行權利要求1至5任一項所述的情感傾向預測方法。
10.一種計算機存儲介質，其特征在于，所述存儲介質包括一組計算機可執行指令，當所述指令被執行時用于執行權利要求1至5任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于出門問問信息科技有限公司，未經出門問問信息科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910941635.4/1.html，轉載請聲明來源鉆瓜專利網。
