[發明專利]一種基于分段卷積神經網絡的對象級情感分類方法

有效

• 申請號: 202010573651.5
• 申請日: 2020-06-22
• 公開（公告）號: CN111737467B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 曾碧卿;楊恒;裴楓華
• 申請（專利權）人: 華南師范大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/279;G06F40/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 黃忠

1.一種基于分段卷積神經網絡的對象級情感分類方法，其特征在于，包括：

對獲取的待分類文本進行特征提取，基于第一目標對象在所述待分類文本的句子中的位置對提取的特征進行上下文特征劃分，得到第一上文特征和第一下文特征；

將所述第一上文特征和所述第一下文特征輸入到預置分段卷積神經網絡，使得所述預置分段卷積神經網絡中的卷積層對所述第一上文特征和所述第一下文特征分別進行卷積運算得到上文局部特征和下文局部特征，分段池化層對所述上文局部特征和所述下文局部特征分別進行最大池化操作得到上文池化特征和下文池化特征，注意力模塊通過計算得到每個詞的注意力得分得到注意力特征表示，特征融合層對所述上文池化特征、所述下文池化特征和所述注意力特征表示進行特征融合得到融合特征，softmax層對融合特征進行處理，輸出所述待分類文本中所述第一目標對象的情感分類結果，其中，所述注意力特征表示包括上文注意力特征表示和下文注意力特征表示；

所述對獲取的待分類文本進行特征提取，包括：

對獲取的待分類文本進行詞嵌入特征提取；

所述對獲取的待分類文本進行特征提取，還包括：

對獲取的待分類文本進行輔助特征提取，所述輔助特征包括情感得分特征、詞性特征或位置特征；

對獲取的待分類文本進行位置特征提取，包括：

基于位置重排算法對獲取的待分類文本中各個詞的位置進行重新排序；

對排序后的所述待分類文本進行位置特征提取；

所述基于位置重排算法對獲取的待分類文本中各個詞的位置進行重新排序，包括：

提取獲取的待分類文本中各個詞與所述第一目標對象的相對位置值，得到第一位置特征向量；

基于第一位置特征向量和情感得分特征向量計算各個詞的位置得分，得到位置得分向量，其中，所述情感得分特征向量基于情感詞典計算所述待分類文本中的各個詞的情感得分特征值得到；

基于所述位置得分向量和所述第一位置特征向量計算排序后各個詞與所述第一目標對象的相對位置值，得到第二位置特征向量；

所述位置得分的計算公式為：

；

其中，為第i個詞的位置得分，、分別為第i、j個詞與第一目標對象的相對位置值，、分別為第i、j個詞的情感得分特征值，n為詞數量；

所述排序后各個詞與所述第一目標對象的相對位置值的計算公式為：

；

其中，為排序后第i個詞與第一目標對象的相對位置值，為排序前第i個詞與第一目標對象的相對位置值，為輸出在所有位置得分中排在第幾位的函數，為第i個詞的位置得分，為位置得分向量，當小于0時，輸出-1，當等于0時，輸出0，當大于0時，輸出1。

2.根據權利要求1所述的基于分段卷積神經網絡的對象級情感分類方法，其特征在于，所述基于第一目標對象在所述待分類文本的句子中的位置對提取的特征進行上下文特征劃分，得到第一上文特征和第一下文特征，包括：

基于第一目標對象在所述待分類文本的句子中的位置對提取的所述詞嵌入特征和所述輔助特征分別進行上下文特征劃分，得到詞嵌入上文特征、詞嵌入下文特征、輔助上文特征和輔助下文特征；

將所述詞嵌入上文特征和所述輔助上文特征進行特征融合得到第一上文特征，將所述詞嵌入下文特征和所述輔助下文特征進行特征融合得到第一下文特征。

3.根據權利要求2所述的基于分段卷積神經網絡的對象級情感分類方法，其特征在于，所述注意力模塊通過計算得到每個詞的注意力得分得到注意力特征表示，包括：

所述注意力模塊分別計算所述詞嵌入上文特征和所述詞嵌入下文特征中對應的各個詞的注意力得分，得到上文注意力得分和下文注意力得分；

所述注意力模塊基于所述上文注意力得分對所述詞嵌入上文特征進行加權求和，得到新詞嵌入上文特征；

所述注意力模塊基于所述下文注意力得分對所述詞嵌入下文特征進行加權求和，得到新詞嵌入下文特征；

所述注意力模塊對所述新詞嵌入上文特征和所述新詞嵌入下文特征分別進行卷積操作后，再分別進行非線性變換，得到所述上文注意力特征表示和所述下文注意力特征表示。

4.根據權利要求1所述的基于分段卷積神經網絡的對象級情感分類方法，其特征在于，所述將所述第一上文特征和所述第一下文特征輸入到預置分段卷積神經網絡，之前還包括：

對獲取的待訓練文本進行特征提取，基于第二目標對象在所述待訓練文本的句子中的位置對提取的特征進行上下文特征劃分，得到第二上文特征和第二下文特征；

將所述第二上文特征和所述第二下文特征輸入到構建的分段卷積神經網絡，對所述分段卷積神經網絡進行訓練，得到訓練好的所述分段卷積神經網絡，將訓練好的所述分段卷積神經網絡作為所述預置分段卷積神經網絡。