[發(fā)明專利]一種情感分類方法、裝置、電子設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201911199692.6
• 申請日: 2019-11-29
• 公開（公告）號: CN112883188A
• 公開（公告）日: 2021-06-01
• 發(fā)明（設(shè)計）人: 梁天新;王炳乾
• 申請（專利權(quán)）人: 京東方科技集團(tuán)股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35
• 代理公司: 北京風(fēng)雅頌專利代理有限公司 11403
• 代理人: 李莎

本發(fā)明提供一種情感分類方法、裝置、電子設(shè)備和存儲介質(zhì)，包括：通過訓(xùn)練集訓(xùn)練串行的自然語言預(yù)訓(xùn)練模型和文本分類模型，得到情感分類組合模型；其中，所述訓(xùn)練集包括多個訓(xùn)練樣本，每個訓(xùn)練樣本包括文本、所述文本中的方面詞和所述方面詞的分類標(biāo)簽；將待預(yù)測文本和所述待預(yù)測文本中的方面詞輸入到所述情感分類組合模型中，以輸出所述待預(yù)測文本中的方面詞的分類標(biāo)簽。本發(fā)明將自然語言預(yù)訓(xùn)練模型和文本分類模型串行組合，通過訓(xùn)練集訓(xùn)練這兩個模型，訓(xùn)練后的組合模型能夠?qū)崿F(xiàn)基于方面詞的細(xì)粒度情感分類，從而準(zhǔn)確地對文本進(jìn)行細(xì)粒度情感分析。

技術(shù)領(lǐng)域

本發(fā)明涉及自然語言處理技術(shù)領(lǐng)域，尤其涉及一種情感分類方法、裝置、電子設(shè)備和存儲介質(zhì)。

背景技術(shù)

隨著社交網(wǎng)絡(luò)的興起，越來越多的人喜歡在網(wǎng)絡(luò)上發(fā)表自己的觀點,這種帶有個人主觀態(tài)度的文本具有很大的挖掘價值。因為用戶需求的不斷增加，句子級別的情感分析只能給出一整句話的情感值，無法準(zhǔn)確表達(dá)用戶想要知道的對象，所以情感分析粒度需要更加細(xì)化。但是，現(xiàn)有的情感分析方法無法準(zhǔn)確地對文本進(jìn)行細(xì)粒度情感分析。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提出一種情感分類方法、裝置、電子設(shè)備和存儲介質(zhì)，以解決細(xì)粒度情感分類不夠準(zhǔn)確的技術(shù)問題。

基于上述目的，根據(jù)本發(fā)明的第一個方面，其提供了一種情感分類方法，包括：

通過訓(xùn)練集訓(xùn)練串行的自然語言預(yù)訓(xùn)練模型和文本分類模型，得到情感分類組合模型；其中，所述訓(xùn)練集包括多個訓(xùn)練樣本，每個訓(xùn)練樣本包括文本、所述文本中的方面詞和所述方面詞的分類標(biāo)簽；

將待預(yù)測文本和所述待預(yù)測文本中的方面詞輸入到所述情感分類組合模型中，以輸出所述待預(yù)測文本中的方面詞的分類標(biāo)簽。

在本發(fā)明的一些實施例中，通過訓(xùn)練集訓(xùn)練串行的自然語言預(yù)訓(xùn)練模型和文本分類模型，得到情感分類組合模型，包括：

將訓(xùn)練集輸入到自然語言預(yù)訓(xùn)練模型中，得到所述自然語言預(yù)訓(xùn)練模型輸出的第一語義特征向量；

將所述自然語言預(yù)訓(xùn)練模型輸出的第一語義特征向量輸入到文本分類模型中，得到所述文本分類模型輸出的第二語義特征向量；

根據(jù)所述文本分類模型輸出的第二語義特征向量優(yōu)化所述自然語言預(yù)訓(xùn)練模型的參數(shù)和所述文本分類模型的參數(shù)，從而得到情感分類組合模型。

在本發(fā)明的一些實施例中，根據(jù)所述文本分類模型輸出的第二語義特征向量優(yōu)化所述自然語言預(yù)訓(xùn)練模型的參數(shù)和所述文本分類模型的參數(shù)，從而得到情感分類組合模型，包括：

基于所述文本分類模型輸出的第二語義特征向量、所述自然語言預(yù)訓(xùn)練模型的參數(shù)和所述文本分類模型的參數(shù)，計算損失函數(shù)；

通過使所述損失函數(shù)取最小值，獲得所述自然語言預(yù)訓(xùn)練模型的最優(yōu)參數(shù)和所述文本分類模型的最優(yōu)參數(shù)，從而得到情感分類組合模型。

在本發(fā)明的一些實施例中，所述損失函數(shù)為交叉熵?fù)p失函數(shù)。

在本發(fā)明的一些實施例中，所述自然語言預(yù)訓(xùn)練模型為BERT模型，和/或，所述文本分類模型為TextCNN模型。

根據(jù)本發(fā)明的第二個方面，其提供了一種情感分類裝置，包括：

訓(xùn)練模塊，被配置為：通過訓(xùn)練集訓(xùn)練串行的自然語言預(yù)訓(xùn)練模型和文本分類模型，得到情感分類組合模型；其中，所述訓(xùn)練集包括多個訓(xùn)練樣本，每個訓(xùn)練樣本包括文本、所述文本中的方面詞和所述方面詞的分類標(biāo)簽；

預(yù)測模塊，被配置為：將待預(yù)測文本和所述待預(yù)測文本中的方面詞輸入到所述情感分類組合模型中，以輸出所述待預(yù)測文本中的方面詞的分類標(biāo)簽。

在本發(fā)明的一些實施例中，所述訓(xùn)練模塊還用于：