[發明專利]一種情感分類方法及裝置

在審

• 申請號: 202010796531.1
• 申請日: 2020-08-10
• 公開（公告）號: CN111950258A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 崔文強;陳健;李思雯
• 申請（專利權）人: 深圳市慧擇時代科技有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06F40/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 夏歡

本申請提供一種情感分類方法及裝置，獲取待處理文本；從所述待處理文本中獲取目標文本，所述目標文本用于表征所述待處理文本中實體對象之間的句法關系；基于所述待處理文本中的各個詞語和所述目標文本中的各個詞語，對所述待處理文本進行情感分類，得到所述待處理文本的情感類型。在進行情感分類過程中引入表征待處理文本中實體對象之間的句法關系的目標文本，通過目標文本表征的實體對象之間的句法關系增強語義信息且考慮實體對象的情感傾向，意味著在基于目標文本進行情感分類過程中增強語義信息且考慮了實體對象的情感傾向，使得情感分類過程基于的信息得到增加，從而可提高分類的準確性。

技術領域

本申請屬于文本處理技術領域，尤其涉及一種情感分類方法及裝置。

背景技術

隨著互聯網技術的快速發展，社交網站、新聞媒體、論壇貼吧等中會出現大量的帶有情感色彩的評論信息，采用情感分類算法分析這些文本的情感傾向性有助于輿情監控和優化產品結構。目前情感分類算法包括如下兩種：

第一種，基于詞典進行情感分類，如預先收集大量表征情感的詞語得到一個情感詞庫，基于情感詞庫對待進行情感分類的文本進行打分，得到文本的得分，基于得分確定文本的情感類別，但是這種方式是針對文本中的每個詞打分，丟失文本的語義信息；

第二種，對待進行情感分類的對文本進行編碼，然后采用機器學習算法進行情感分類，如采用SVM、Naive Bayes等進行分類，或者采用神經網絡訓練得到的分類模型進行情感分類，但是這種方式沒有考慮到文本中實體對象的情感傾向。

發明內容

有鑒于此，本申請的目的在于提供一種情感分類方法及裝置，以提高分類的準確性。

一方面，本申請提供一種情感分類方法，所述方法包括：

獲取待處理文本；

從所述待處理文本中獲取目標文本，所述目標文本用于表征所述待處理文本中實體對象之間的句法關系；

基于所述待處理文本中的各個詞語和所述目標文本中的各個詞語，對所述待處理文本進行情感分類，得到所述待處理文本的情感類型。

可選的，所述從待處理文本中獲取目標文本包括：

從所述待處理文本中獲取第一類型關鍵詞以及從所述待處理文本中獲取第二類型關鍵詞，所述第一類型關鍵詞用于表征所述待處理文本的情感，所述第二類型關鍵詞表征所述待處理文本中實體對象之間的句法關系；

基于所述第一類型關鍵詞和所述第二類型關鍵詞，得到所述目標文本；

如果所述待處理文本中沒有獲取到所述第一類型關鍵詞，基于所述第二類型關鍵詞得到所述目標文本。

可選的，所述從所述待處理文本中獲取第二類型關鍵詞包括：對所述待處理文本進行句法分析，得到所述待處理文本中至少作為主語和謂語的關鍵詞；

將所述待處理文本中至少作為主語和謂語的關鍵詞確定為所述第二類型關鍵詞。

可選的，所述基于所述待處理文本中的各個詞語和所述目標文本中的各個詞語，對所述待處理文本進行情感分類，得到所述待處理文本的情感類型包括：

對所述待處理文本中的各個詞語進行編碼，得到所述待處理文本的詞向量矩陣，以及對所述目標文本中的各個詞語進行編碼，得到所述目標文本的詞向量矩陣；

通過第一類型神經網絡對所述待處理文本的詞向量矩陣進行特征提取，得到所述待處理文本的特征數據，并通過注意力機制對所述待處理文本的特征數據進行處理，得到所述待處理文本的特征向量和權重；

通過第二類型神經網絡對所述目標文本的詞向量矩陣進行特征提取，得到所述目標文本的特征數據，并通過注意力機制對所述目標文本的特征數據進行處理，得到所述目標文本的特征向量和權重；