[發明專利]一種基于Bi-ISCA來檢測用戶生成短文本中的諷刺情緒的方法

在審

• 申請號: 202110103363.8
• 申請日: 2021-01-26
• 公開（公告）號: CN112818659A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 潘曉光;焦璐璐;董虎弟;韓丹;馬文芳
• 申請（專利權）人: 山西三友和智慧信息技術股份有限公司
• 主分類號: G06F40/211
• 分類號: G06F40/211;G06N3/04;G06N3/08
• 代理公司: 太原榮信德知識產權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

本發明屬于網絡語言檢測領域，具體涉及一種基于Bi?ISCA來檢測用戶生成短文本中的諷刺情緒的方法，包括句內單詞編碼層模塊、Bi?ISCA模塊、整合與最終預測模塊，所述句內單詞編碼層模塊連接有Bi?ISCA模塊，所述Bi?ISCA模塊連接有整合與最終預測模塊。本發明通過一種新的深度學習結構，該結構使用了一種新穎的注意機制即Bi?ISCA捕獲句間依賴關系，從而僅利用會話上下文來檢測用戶生成的短文本中的諷刺。本發明所提出的深度學習模型展示了捕獲顯性、隱含和上下文不一致的詞的能力，這些詞是導致諷刺的短語，在這一領域上，Bi?ISCA結構有著巨大的優勢。本發明用于檢測用戶生成短文本中的諷刺情緒。

技術領域

本發明屬于網絡語言檢測領域，具體涉及一種基于Bi-ISCA來檢測用戶生成短文本中的諷刺情緒的方法。

背景技術

社交媒體平臺上的許多網絡評論都是具有幽默或諷刺意味的。這些評論(特別是簡短的評論)的諷刺性質改變了它們實際暗示的情緒，這導致現有情緒分析模型的誤解。人們已經做了大量的研究來利用基于用戶的話題信息和會話信息來檢測語篇中的諷刺，但還沒有做太多的工作來利用句間上下文信息來檢測諷刺。

目前的情感分析模型容易對社交平臺上具有諷刺意味的短評論的判別出現較大失誤，導致情感極性分類的準確率下降，模型的實際應用也受到影響。

發明內容

針對上述目前的情感分析模型容易對社交平臺上具有諷刺意味的短評論的判別出現較大失誤的技術問題，本發明提供了一種效率高、穩定性強、準確率高的基于Bi-ISCA來檢測用戶生成短文本中的諷刺情緒的方法。

為了解決上述技術問題，本發明采用的技術方案為：

一種基于Bi-ISCA來檢測用戶生成短文本中的諷刺情緒的方法，包括句內單詞編碼層模塊、Bi-ISCA模塊、整合與最終預測模塊，所述句內單詞編碼層模塊連接有Bi-ISCA模塊，所述Bi-ISCA模塊連接有整合與最終預測模塊；

所述句內單詞編碼層模塊用于利用雙向的長時記憶網絡Bi-LSTM從注釋和答復兩個方面總結句子內的上下文信息；

所述Bi-ISCA模塊用于利用雙向的句子間語境注意機制Bi-ISCA捕獲兩句之間的句子上下文信息；

所述整合與最終預測模塊用于利用卷積神經網絡CNN從新得到的上下文化隱式表示中獲取位置不變的局部特征。

所述句內單詞編碼層模塊中，注意機制Bi-ISCA使用正向LSTM→h處理兩個方向上的信息，從詞匯w1到詞匯wn讀取句子S＝[w1，w2，.，wn]，以及從wn到w1讀取句子的反向LSTM←h，從兩個LSTM中添加隱藏狀態以獲得每個單詞的最終隱藏狀態表示，

ht的隱藏狀態表示為正向和反向的隱藏狀態之和。

所述Bi-ISCA模塊中，Bi-ISCA注意力機制捕獲了如下四組注意力評分，在方程后面與hi的u和v分別做向量點積，其中u代表輸入的注釋句，v表示輸入的答復句，

然后將計算出的句子間注意分數與BiLSTMR的隱態表示相乘，生成兩組新的隱式表示分別為注釋的正向的應答上下文化和注釋的方向應答上下文化，后兩個式子同理，