[發(fā)明專利]諷刺類型的文本識別方法、裝置、設(shè)備及計(jì)算機(jī)可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010549951.X
• 申請日: 2020-06-16
• 公開（公告）號: CN111859980A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 李秋丹;劉春陽;彭鑫;張麗;曾大軍;張旭;劉賀靜;王鵬;王林子;陳志鵬;賈玉改;張翔宇;解崢
• 申請（專利權(quán)）人: 中國科學(xué)院自動化研究所;國家計(jì)算機(jī)網(wǎng)絡(luò)與信息安全管理中心
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/289;G06F16/9536;G06N3/04;G06N3/08
• 代理公司: 北京華夏泰和知識產(chǎn)權(quán)代理有限公司 11662
• 代理人: 曾軍;李雪

本申請涉及一種諷刺類型的文本識別方法、裝置、設(shè)備及計(jì)算機(jī)可讀介質(zhì)。該方法包括：獲取待處理文本，待處理文本來自于社交媒體網(wǎng)絡(luò)平臺；采用多種方式提取待處理文本的目標(biāo)特征信息，目標(biāo)特征信息為從特征集合中選擇出來的多個(gè)特征信息的加權(quán)和表示；根據(jù)第一神經(jīng)網(wǎng)絡(luò)模型對目標(biāo)特征信息的識別結(jié)果確定待處理文本的文本類型，第一神經(jīng)網(wǎng)絡(luò)模型是采用具有標(biāo)記信息的訓(xùn)練數(shù)據(jù)對第二神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練后得到的，標(biāo)記信息用于標(biāo)記訓(xùn)練數(shù)據(jù)是否為目標(biāo)類型。本申請從多個(gè)維度捕獲詞間關(guān)聯(lián)特征，并從諷刺文本的情感傾向轉(zhuǎn)換出發(fā)，挖掘詞語間的沖突性，進(jìn)而充分體現(xiàn)句子中地所蘊(yùn)含的諷刺含義，最終準(zhǔn)確、合理地識別諷刺文本。

技術(shù)領(lǐng)域

本申請涉及文本識別技術(shù)領(lǐng)域，尤其涉及一種諷刺類型的文本識別方法、裝置、設(shè)備及計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)的高速發(fā)展，世界變得越來越小，不同地區(qū)、不同國家的人可以在互聯(lián)網(wǎng)上一同討論一個(gè)熱點(diǎn)事件。互聯(lián)網(wǎng)的虛擬性也給了許多人表達(dá)觀點(diǎn)的機(jī)會，其中，諷刺是一種特殊的表達(dá)方式，在互聯(lián)網(wǎng)中也充斥著大量含有諷刺意味的話語，正確理解諷刺含義對于體會文本的深層次語義具有重要作用。

目前，諷刺檢測工作大多基于深度學(xué)習(xí)方法提取特征，例如Ghosh等人提出了融合CNN和RNN的神經(jīng)網(wǎng)絡(luò)模型，結(jié)合文本語句進(jìn)行語義建模(GhoshA,Veale T.Frackingsarcasm using neural network[C]//Proceedings of the 7th workshop oncomputational approaches to subjectivity,sentiment and social mediaanalysis.2016:161-169.)；Poria等人基于預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型，提取情感特征和人格特征并進(jìn)行特征融合，繼而使用支持向量機(jī)分類器進(jìn)行諷刺預(yù)測(T,HabernalI,Hong J.Sarcasm detection on czech and english twitter[C]//Proceedings ofCOLING 2014,the 25th International Conference on Computational Linguistics:Technical Papers.2014:213-223.)；Devamanyu Hazarika等人提出了CASCADE混合模型，該模型提取句子文本特征和上下文信息特征，其中包括文本主題信息、文本用戶個(gè)性信息和用戶文體風(fēng)格信息，融合上述特征得到總體特征進(jìn)行諷刺檢測(Hazarika D,Poria S,Gorantla S,et al.Cascade:Contextual sarcasm detection in online discussionforums[J].arXiv preprint arXiv:1805.06413,2018.)。

但是，目前的相關(guān)技術(shù)中，研究詞間的相關(guān)性的方法比較單一，且諷刺檢測的效果不準(zhǔn)確。

針對上述的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N諷刺類型的文本識別方法、裝置、設(shè)備及計(jì)算機(jī)可讀介質(zhì)，以解決上述“研究詞間相關(guān)性的方法單一，諷刺檢測不準(zhǔn)確”的技術(shù)問題。

第一方面，本申請?zhí)峁┝艘环N諷刺類型的文本識別方法，包括：獲取待處理文本，待處理文本來自于社交媒體網(wǎng)絡(luò)平臺；采用多種方式提取待處理文本的目標(biāo)特征信息，目標(biāo)特征信息為從特征集合中選擇出來的多個(gè)特征信息的加權(quán)和表示；根據(jù)第一神經(jīng)網(wǎng)絡(luò)模型對目標(biāo)特征信息的識別結(jié)果確定待處理文本的文本類型，第一神經(jīng)網(wǎng)絡(luò)模型是采用具有標(biāo)記信息的訓(xùn)練數(shù)據(jù)對第二神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練后得到的，標(biāo)記信息用于標(biāo)記訓(xùn)練數(shù)據(jù)是否為目標(biāo)類型，識別結(jié)果用于指示待處理文本是否為目標(biāo)類型，目標(biāo)類型為諷刺類型。