[發(fā)明專利]基于GAN網(wǎng)絡(luò)的文字校對和情感分析方法、設(shè)備及介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010033236.0
• 申請日: 2020-01-13
• 公開（公告）號: CN111259674B
• 公開（公告）日: 2023-07-25
• 發(fā)明（設(shè)計）人: 孫善寶;羅清彩;金長新;徐馳;于玲;譚強(qiáng);張鑫
• 申請（專利權(quán)）人: 山東浪潮科學(xué)研究院有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F18/2411;G06N3/0464;G06N3/08;G06N3/0442
• 代理公司: 北京君慧知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11716
• 代理人: 董延麗

1.一種基于GAN網(wǎng)絡(luò)的文字校對和情感分析的方法，其特征在于，包括：

接收用戶發(fā)送的文檔，并將所述文檔送至產(chǎn)生詞向量模塊處理，以生成第一詞向量序列；

將所述第一詞向量序列送至語義分析模塊，輸出是否需要校對所述第一詞向量序列的判斷結(jié)果；

根據(jù)所述判斷結(jié)果，確定是否將所述第一詞向量序列發(fā)送至GAN網(wǎng)絡(luò)；

所述GAN網(wǎng)絡(luò)對所述第一詞向量序列進(jìn)行處理，以確定高于預(yù)設(shè)感情強(qiáng)烈度的所述第一詞向量序列，并生成低于預(yù)設(shè)感情強(qiáng)烈度的第二詞向量序列，所述第一詞向量序列與所述第二詞向量序列的語義相同；

所述GAN網(wǎng)絡(luò)對所述第一詞向量序列進(jìn)行處理，包括：

將所述第一詞向量序列送至情感分析判別器中，確定所述第一詞向量序列是否高于所述預(yù)設(shè)感情強(qiáng)烈度，所述情感分析判別器是所述GAN網(wǎng)絡(luò)中的對抗網(wǎng)絡(luò)；

若所述第一詞向量序列高于所述預(yù)設(shè)感情強(qiáng)烈度，則將高于所述預(yù)設(shè)感情強(qiáng)烈度的第一詞向量序列送至校對文字生成器中，生成所述低于預(yù)設(shè)感情強(qiáng)烈度的第二詞向量序列，所述校對文字生成器是所述GAN網(wǎng)絡(luò)中的生成網(wǎng)絡(luò)；

所述生成所述低于預(yù)設(shè)感情強(qiáng)烈度的第二詞向量序列，包括：

根據(jù)所述第一詞向量序列的語義，在詞典向量數(shù)據(jù)庫中選擇與所述第一詞向量序列的語義相同的所述第二詞向量序列，所述詞典向量數(shù)據(jù)庫由所述產(chǎn)生詞向量模塊生成。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述情感分析判別器包括LSTM網(wǎng)絡(luò)和注意力機(jī)制，所述注意力機(jī)制包括評價函數(shù)、歸一化函數(shù)和注意力加權(quán)計算函數(shù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

將所述第二詞向量序列轉(zhuǎn)化為所述文檔中的文字，并發(fā)送給所述用戶；

接收用戶反饋的校對結(jié)果，對所述產(chǎn)生詞向量模塊，所述語義分析模塊和所述GAN網(wǎng)絡(luò)進(jìn)行訓(xùn)練和/或優(yōu)化。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述GAN網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

通過所述詞向量序列訓(xùn)練情感分析判別器和語義判別器，所述情感分析判別器和語義判別器是所述GAN網(wǎng)絡(luò)中的對抗網(wǎng)絡(luò)；

固定所述情感分析判別器和語義判別器的參數(shù)，通過訓(xùn)練集訓(xùn)練校對文字生成器，以使所述校對文字生成器生成所述第二詞向量序列，所述第二詞向量序列的情感強(qiáng)度低于出入的所述第一詞向量的情感強(qiáng)度，且所述第二詞向量序列的語義與所述第一詞向量序列的語義相同。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述文檔送至產(chǎn)生詞向量模塊處理，以生成第一詞向量序列，包括：

將所述文檔分割成多個段落，依次將所述多個段落送至產(chǎn)生詞向量模塊處理，以生成每個段落對應(yīng)的第一詞向量序列。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述文檔的類型包括產(chǎn)品或技術(shù)的說明文件。