[發明專利]語句情感分類方法及相關設備

在審

• 申請號: 202010137265.1
• 申請日: 2020-03-02
• 公開（公告）號: CN111460812A
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 于鳳英;王健宗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 劉麗華;孫芬

本發明提供一種語句情感分類方法及相關設備。所述方法包括：利用特征提取模型將第一語句樣本中缺失詞之前的詞語依詞序轉化為第一編碼序列，將第一語句樣本中缺失詞之后的詞語依反向詞序轉化為第二編碼序列，根據預設詞匯編碼表將第一語句樣本中的缺失詞轉化為第一語句樣本的標簽向量；利用特征提取模型根據第一編碼序列、第二編碼序列計算第一語句樣本的缺失詞向量；根據第一語句樣本的缺失詞向量和第一語句樣本的標簽向量訓練特征提取模型；用由所述特征提取模型構成的屬性分類模型識別待處理語句的屬性詞，用由所述特征提取模型構成的情感分類模型對連接屬性詞的待處理語句進行分類。本發明增強了情感分類的準確性和場景適應性。

技術領域

本發明涉及自然語言處理領域，具體涉及一種語句情感分類方法、裝置、計算機設備及計算機存儲介質。

背景技術

通常，使用指定領域的帶有情感標簽的語句對情感分類模型(例如卷積神經網絡)進行訓練，用訓練好的情感分類模型對指定領域的語句進行分類。現有的文本情感分類方法只適用于固定領域的語句情感分類任務，且需要較大的訓練集才可能提升情感分類的準確性。

如何提升文本情感分類的場景適應性和情感分類的準確性，成為當前待解決的問題。

發明內容

鑒于以上內容，有必要提出一種語句情感分類方法、裝置、計算機設備及計算機存儲介質，其可以對語句進行情感分類，增強情感分類的準確性和場景適應性。

本申請的第一方面提供一種語句情感分類方法，所述方法包括：

獲取第一語句樣本集，所述第一語句樣本集中的每個第一語句樣本包含一個缺失詞；

對于每個第一語句樣本，利用特征提取模型將所述第一語句樣本中缺失詞之前的詞語依詞序轉化為第一詞向量序列，將所述第一語句樣本中所述缺失詞之后的詞語依反向詞序轉化為第二詞向量序列，根據預設詞匯編碼表將所述第一語句樣本中的所述缺失詞轉化為所述第一語句樣本的標簽向量；

利用所述特征提取模型將所述第一詞向量序列編碼為第一編碼序列，將所述第二詞向量序列編碼為第二編碼序列；

利用所述特征提取模型根據所述第一編碼序列、所述第二編碼序列計算所述第一語句樣本的缺失詞向量；

根據所述第一語句樣本的缺失詞向量和所述第一語句樣本的標簽向量訓練所述特征提取模型，得到第一特征提取模型，新建第二特征提取模型，使所述第二特征提取模型的神經網絡結構與所述第一特征提取模型的神經網絡結構一致，用所述第一特征提取模型的權值更新所述第二特征提取模型的權值；

用帶有屬性標簽的第二語句樣本訓練由所述第一特征提取模型和全連接層構成的屬性分類模型；

用所述屬性分類模型識別多個待識別語句的屬性詞，將每個待識別語句與識別出的每個待識別語句的屬性詞連接，得到連接屬性詞的所述多個待識別語句；

用帶有情感標簽的連接屬性詞的所述多個待識別語句訓練由所述第二特征提取模型和深度學習模型構成的情感分類模型；

用所述屬性分類模型識別待處理語句的屬性詞，情感分類模型對連接屬性詞的所述待處理語句進行分類，輸出所述待處理語句的屬性詞和所述待處理語句的情感類型。

另一種可能的實現方式中，所述特征提取模型包括輸入層、前向隱藏層、后向隱藏層和輸出層。

另一種可能的實現方式中，所述利用特征提取模型將所述第一語句樣本中缺失詞之前的詞語依詞序轉化為第一詞向量序列，將所述第一語句樣本中所述缺失詞之后的詞語依反向詞序轉化為第二詞向量序列包括：

將所述第一語句樣本中的所述缺失詞前的詞語依詞序轉化為第一編碼向量序列，將所述第一語句樣本中的所述缺失詞后的詞語依詞序轉化為第二編碼向量序列；