[發(fā)明專利]一種情感分類方法

有效

• 申請?zhí)枺?/td>: 202110301286.7
• 申請日: 2021-03-22
• 公開（公告）號: CN112686056B
• 公開（公告）日: 2021-07-06
• 發(fā)明（設計）人: 陳錦鵬;薛云;黃偉豪;代安安
• 申請（專利權）人: 華南師范大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/284;G06F40/211;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 廣州駿思知識產(chǎn)權代理有限公司 44425
• 代理人: 吳靜芝;葉瓊園

本發(fā)明提供一種情感分類方法，包括：獲取上下文對應的詞嵌入矩陣和目標詞對應的詞嵌入矩陣；根據(jù)上下文對應的詞嵌入矩陣、目標詞對應的詞嵌入矩陣和第一語義激活模型，獲取目標詞語義增強的上下文表示和上下文語義增強的目標詞表示；根據(jù)目標詞語義增強的上下文表示、上下文語義增強的目標詞表示和語義選擇模型，得到語義選擇后的上下文表示；根據(jù)語義整合模型，提取目標句子對應的句法依存樹中的句法表示；根據(jù)語義選擇后的上下文表示、句法表示和第二語義激活模型，得到目標詞對應的情感分類結(jié)果。相對于現(xiàn)有技術，本發(fā)明充分捕捉了上下文中與目標詞相關的語義信息，又綜合考慮上下文、目標詞與句法之間的聯(lián)系，提高了情感分類的準確性。

技術領域

本發(fā)明涉及自然語言處理技術領域，特別是涉及一種情感分類方法。

背景技術

由于用戶留在論壇或電商平臺上的評論對商家分析用戶觀點等方面具有重要意義，因此，情感分析受到越來越多的關注。情感分析是自然語言處理(Natural LanguageProcessing，NLP)中的重要任務，其目的在于對帶有情感色彩的主觀性文本進行分析。

目前，有很多方法用于對句子或文檔的整體進行情感極性分類，然而，在一個句子或者文檔中通常會具有不同的目標詞，目標詞的情感極性可能是不同的。如果直接進行整體的情感極性分類，就會導致對目標詞的情感極性判斷出現(xiàn)錯誤。因此，針對目標詞的屬性級情感分類方法越來越為重要。

現(xiàn)有技術中存在一些將神經(jīng)網(wǎng)絡與注意力機制相結(jié)合的方法用以進行屬性級的情感分類，這些方法雖然能夠克服淺層學習模型的缺陷，但是依舊存在如下問題：一方面，其不能充分捕捉上下文中與目標詞相關的語義信息，在語義關系較遠或者詞序發(fā)生變化時易造成錯誤判斷；另一方面，其沒有考慮上下文和目標詞與句法之間的聯(lián)系，且由于缺乏句法的約束技術，可能會將句法上不相關的上下文單詞識別為判斷目標詞情感分類的線索，降低了情感分類的準確性。

發(fā)明內(nèi)容

為克服相關技術中存在的問題，本發(fā)明實施例提供了一種情感分類方法，包括如下步驟：

獲取目標句子對應的詞嵌入矩陣；其中，所述目標句子對應的詞嵌入矩陣包括上下文對應的詞嵌入矩陣和目標詞對應的詞嵌入矩陣；

根據(jù)所述上下文對應的詞嵌入矩陣、所述目標詞對應的詞嵌入矩陣和預設的隱藏狀態(tài)提取模型，得到所述上下文對應的隱藏狀態(tài)矩陣和所述目標詞對應的隱藏狀態(tài)矩陣；

獲取所述上下文與所述目標詞之間的公共信息矩陣，根據(jù)所述公共信息矩陣、所述上下文對應的隱藏狀態(tài)矩陣、所述目標詞對應的隱藏狀態(tài)矩陣和預設的語義信息交互模型，得到目標詞語義增強的上下文表示和上下文語義增強的目標詞表示；

根據(jù)所述目標詞語義增強的上下文表示、所述上下文語義增強的目標詞表示和預設的語義選擇模型，得到語義選擇后的上下文表示；

獲取所述目標句子對應的句法依存樹，根據(jù)預設的語義整合模型，提取所述目標句子對應的句法依存樹中的句法表示；

根據(jù)所述語義選擇后的上下文表示、所述句法表示和預設的第二語義激活模型，得到所述目標詞對應的情感分類結(jié)果。

可選的，所述根據(jù)所述上下文對應的詞嵌入矩陣、所述目標詞對應的詞嵌入矩陣和預設的隱藏狀態(tài)提取模型，得到所述上下文對應的隱藏狀態(tài)矩陣和所述目標詞對應的隱藏狀態(tài)矩陣，包括步驟：

對所述目標詞對應的詞嵌入矩陣進行平均池化，得到平均目標詞向量；

根據(jù)所述平均目標詞向量和所述上下文對應的詞嵌入矩陣，得到融入目標詞信息的上下文對應的詞嵌入矩陣；

將所述目標詞對應的詞嵌入矩陣和所述融入目標詞信息的上下文對應的詞嵌入矩陣分別輸入預設的GRU神經(jīng)網(wǎng)絡模型中，得到所述上下文對應的隱藏狀態(tài)矩陣和所述目標詞對應的隱藏狀態(tài)矩陣。