[發明專利]方面級別情感分類方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202011227233.7
• 申請日: 2020-11-06
• 公開（公告）號: CN112347787A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 劉劍;楊海欽;姚曉遠
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F16/35;G06F16/33;G06K9/62;G06N3/02
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

1.一種方面級別情感分類方法，其特征在于，所述方法包括：

獲取待分類文本，并將包含在所述待分類文本中的關鍵詞轉化為令牌，以形成令牌序列；其中，所述令牌序列包括T個令牌；

將所述令牌序列輸入到預設的令牌處理模型中，以得到概率矩陣；其中，所述概率矩陣為T列、(T+1)行的矩陣，所述概率矩陣的每一列表征一種令牌，所述概率矩陣的第一行表征各個令牌屬于方面術語的概率值、第二行至第(T+1)行表征每個令牌屬于與對應方面術語相映射的情感令牌的概率值；

將所述屬于方面術語的概率值大于預設閾值的令牌設置為目標令牌，并將與所述目標令牌對應的第二行至第(T+1)行的概率值形成情感令牌概率序列；

基于所述情感令牌概率序列，利用預設的Transformer模型和分類器，確定出與所述待分類文本對應的情感類型。

2.根據權利要求1所述的方面級別情感分類方法，其特征在于，所述獲取待分類文本，并將包含在所述待分類文本中的關鍵詞轉化為令牌，以形成令牌序列，具體包括：

對所述待分類文本進行分詞處理，以得到包含在所述待分類文本中的T個關鍵詞；

分別對每個關鍵詞進行編碼，以得到每個關鍵詞的令牌；

將所有令牌組成所述令牌序列。

3.根據權利要求1所述的方面級別情感分類方法，其特征在于，所述將所述令牌序列輸入到預設的令牌處理模型中，以得到概率矩陣，具體包括：

將所述令牌序列輸入到所述令牌處理模型中的BERT模型中，得到每個令牌對應的融合了前后令牌信息的特征表征，并將所有所述特征表征組成特征表征序列；

將所述特征表征序列輸入到所述令牌處理模型中的全連接層中，并通過softmax函數對所述全連接層的輸出進行歸一化處理，以得到所述概率矩陣。

4.根據權利要求3所述的方面級別情感分類方法，其特征在于，所述基于所述情感令牌概率序列，利用預設的Transformer模型和分類器，確定出與所述待分類文本對應的情感類型，具體包括：

將所述特征表征序列與所述情感令牌概率序列進行向量級別的元素相乘，以得到表征結果；

將所述表征結果依次輸入所述Transformer模型和分類器中，以得到與所述待分類文本對應的情感類型。

5.根據權利要求1所述的方面級別情感分類方法，其特征在于，所述方法還包括：

獲取樣本文本集；其中，所述樣本文本集中的每個樣本文本均標注有對應的方面術語和情感類型；

基于所述樣本文本集對初始神經網絡模型進行訓練，以對所述初始神經網絡模型中的各個參數進行修正，得到情感分類模型；其中，所述情感分類模型包括：令牌處理模型、Transformer模型和分類器。

6.一種方面級別情感分類裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待分類文本，并將包含在所述待分類文本中的關鍵詞轉化為令牌，以形成令牌序列；其中，所述令牌序列包括T個令牌；

輸入模塊，用于將所述令牌序列輸入到預設的令牌處理模型中，以得到概率矩陣；其中，所述概率矩陣為T列、(T+1)行的矩陣，所述概率矩陣的每一列表征一種令牌，所述概率矩陣的第一行表征各個令牌屬于方面術語的概率值、第二行至第(T+1)行表征每個令牌屬于與對應方面術語相映射的情感令牌的概率值；

處理模塊，用于將所述屬于方面術語的概率值大于預設閾值的令牌設置為目標令牌，并將與所述目標令牌對應的第二行至第(T+1)行的概率值形成情感令牌概率序列；

確定模塊，基于所述情感令牌概率序列，利用預設的Transformer模型和分類器，確定出與所述待分類文本對應的情感類型。

7.根據權利要求6所述的方面級別情感分類裝置，其特征在于，所述獲取模塊，具體用于：

對所述待分類文本進行分詞處理，以得到包含在所述待分類文本中的T個關鍵詞；

分別對每個關鍵詞進行編碼，以得到每個關鍵詞的令牌；

將所有令牌組成所述令牌序列。