[發(fā)明專利]文章情感極性分析方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010575481.4
• 申請日: 2020-06-22
• 公開（公告）號: CN111738015A
• 公開（公告）日: 2020-10-02
• 發(fā)明（設(shè)計）人: 謝煒堅;黃強(qiáng)
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06N3/04;G06N3/08
• 代理公司: 北京市鑄成律師事務(wù)所 11313
• 代理人: 閻敏;楊瑾瑾

本申請公開了文章情感極性分析方法、裝置、電子設(shè)備及存儲介質(zhì)，涉及深度學(xué)習(xí)領(lǐng)域及云計算領(lǐng)域。具體實現(xiàn)方案為：將待分析文章的內(nèi)容進(jìn)行截斷，得到待分析文章的片段，將所述片段輸入多個預(yù)訓(xùn)練語言模型；根據(jù)所述多個預(yù)訓(xùn)練語言模型的輸出結(jié)果，確定所述待分析文章的情感極性屬于正面、負(fù)面及中性的概率；將所述待分析文章的情感極性屬于正面、負(fù)面及中性的概率進(jìn)行歸一化處理，得到所述待分析文章的情感極性的分析結(jié)果。本申請實施例能夠提高文章情感極性分析結(jié)果的準(zhǔn)確率。

技術(shù)領(lǐng)域

本申請涉及計算機(jī)技術(shù)領(lǐng)域，尤其涉及深度學(xué)習(xí)領(lǐng)域及云計算領(lǐng)域。

背景技術(shù)

文章的情感極性可以理解為作者對文章所涉及內(nèi)容的情感傾向，情感極性包括正面、負(fù)面和中性。例如，“這部電影空洞乏味”這句話的情感極性為負(fù)面；類似地，一篇文章也有對應(yīng)的情感極性。文章情感極性分析的目的就是將文章分類為情感極性中的一個類別。

近期，基于轉(zhuǎn)換器的雙向編碼器表征(BERT，Bidirectional EncoderRepresentations from Transformers)模型等一系列預(yù)訓(xùn)練語言模型在多種語言理解任務(wù)上效果很好，在文本分類、情感分析等任務(wù)中達(dá)到最先進(jìn)(state-of-the-art)級別的效果。但是，目前的預(yù)訓(xùn)練語言模型對文本的編碼長度受限于預(yù)訓(xùn)練時的序列長度(通常為512)。如果一個文章的長度超過512個字，BERT模型只能使用該文章中的512個字來確定該文章的情感極性；超出部分則不能被用于確定情感極性。

一些文章的長度較長，例如互聯(lián)網(wǎng)新聞文本數(shù)據(jù)中的文章長度通常較長；對于這類文章，由于BERT模型難以提取篇章級上下文信息進(jìn)行情感極性分析，導(dǎo)致對文章情感極性的分析不夠準(zhǔn)確。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N文章情感極性分析方法、裝置、設(shè)備以及存儲介質(zhì)，還提出一種文章情感極性分析模型的訓(xùn)練方法、裝置、設(shè)備以及存儲介質(zhì)。

根據(jù)本申請的一方面，提供了一種文章情感極性分析方法，包括：

將待分析文章的內(nèi)容進(jìn)行截斷，得到待分析文章的片段，將所述片段輸入多個預(yù)訓(xùn)練語言模型；

根據(jù)所述多個預(yù)訓(xùn)練語言模型的輸出結(jié)果，確定所述待分析文章的情感極性屬于正面、負(fù)面及中性的概率；

將所述待分析文章的情感極性屬于正面、負(fù)面及中性的概率進(jìn)行歸一化處理，得到所述待分析文章的情感極性的分析結(jié)果。

根據(jù)本申請的另一方面，提供了一種文章情感極性分析模型的訓(xùn)練方法，所述文章情感極性分析模型包括多個預(yù)訓(xùn)練語言模型，所述方法包括：

將樣本文章的內(nèi)容進(jìn)行截斷，得到樣本文章的片段，將所述片段輸入多個預(yù)訓(xùn)練語言模型；

根據(jù)所述多個預(yù)訓(xùn)練語言模型的輸出結(jié)果，確定所述樣本文章的情感極性屬于正面、負(fù)面及中性的概率；

將所述樣本文章的情感極性屬于正面、負(fù)面及中性的概率進(jìn)行歸一化處理，得到所述樣本文章的情感極性的分析結(jié)果；

根據(jù)所述分析結(jié)果及所述樣本文章的情感極性的標(biāo)簽，對所述文章情感極性分析模型進(jìn)行訓(xùn)練。

根據(jù)本申請的另一方面，提供了一種文章情感極性分析裝置，包括：

第一截斷模塊，用于將待分析文章的內(nèi)容進(jìn)行截斷，得到待分析文章的片段，將所述片段輸入多個預(yù)訓(xùn)練語言模型；

第一確定模塊，用于根據(jù)所述多個預(yù)訓(xùn)練語言模型的輸出結(jié)果，確定所述待分析文章的情感極性屬于正面、負(fù)面及中性的概率；

第一結(jié)果獲取模塊，用于將所述待分析文章的情感極性屬于正面、負(fù)面及中性的概率進(jìn)行歸一化處理，得到所述待分析文章的情感極性的分析結(jié)果。