[發(fā)明專(zhuān)利]一種用于微博評(píng)論的事件相關(guān)觀點(diǎn)句分類(lèi)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110448958.7
• 申請(qǐng)日: 2021-04-25
• 公開(kāi)（公告）號(hào): CN113076425B
• 公開(kāi)（公告）日: 2022-12-20
• 發(fā)明（設(shè)計(jì)）人: 相艷;施敬磊;余正濤;線巖團(tuán);郭軍軍;黃于欣
• 申請(qǐng)（專(zhuān)利權(quán)）人: 昆明理工大學(xué)
• 主分類(lèi)號(hào): G06F16/35
• 分類(lèi)號(hào): G06F16/35;G06F40/289;G06F16/9536;G06N3/04
• 代理公司: 昆明人從眾知識(shí)產(chǎn)權(quán)代理有限公司 53204
• 代理人: 何嬌

1.一種用于微博評(píng)論的事件相關(guān)觀點(diǎn)句分類(lèi)方法，其特征在于：所述方法包括如下：

Step1、獲取微博評(píng)論嵌入E_r、微博標(biāo)題嵌入E_t、情感詞嵌入E_s；

Step2、把微博評(píng)論嵌入E_r、情感詞嵌入E_s進(jìn)行拼接，拼接后得到的結(jié)果E通過(guò)自注意機(jī)制轉(zhuǎn)換到一個(gè)新的嵌入E′，然后這個(gè)新的嵌入E′通過(guò)自注意機(jī)制被送入三個(gè)不同大小的卷積層，每個(gè)卷積結(jié)果都經(jīng)過(guò)最大池化，然后把最大池化后的結(jié)果進(jìn)行拼接，得到R_s，它表示句子是否有觀點(diǎn)；

Step3、分別對(duì)微博評(píng)論嵌入E_r、微博標(biāo)題嵌入E_t進(jìn)行卷積運(yùn)算，分別得到微博評(píng)論的特征映射R和微博標(biāo)題的特征映射T；T經(jīng)過(guò)最大池化得到向量t，用來(lái)計(jì)算與R的相互注意力，得到相互注意力權(quán)重γ；然后通過(guò)相互注意力權(quán)重γ將R更新為更關(guān)注與標(biāo)題相關(guān)的特征向量R′；再對(duì)特征向量R′進(jìn)行最大池化操作，得到R_t,它表示句子是否與微博標(biāo)題相關(guān)；

Step4、將Step2最終得到的結(jié)果R_s和Step3最終得到的結(jié)果R_t進(jìn)行拼接作為句子向量R_o，基于這個(gè)句子向量R_o進(jìn)行預(yù)測(cè)；

所述Step2中，拼接后得到的結(jié)果E通過(guò)自注意機(jī)制轉(zhuǎn)換到一個(gè)新的嵌入E′的具體方式如下：

對(duì)嵌入層中的E進(jìn)行自我注意操作，對(duì)于E的第i個(gè)嵌入向量E_i，用如下公式計(jì)算其注意權(quán)值：

E_i′＝α_iE_i

通過(guò)這個(gè)操作，將原來(lái)的E轉(zhuǎn)化為E′，利用帶有自我注意的卷積運(yùn)算進(jìn)行特征提取；使用寬度為h1的n_s卷積濾波器來(lái)獲得n_s特征，n_s特征構(gòu)成第i個(gè)單詞的特征向量C_i，然后對(duì)C_i進(jìn)行自我注意操作：

C_i′＝β_iC_i

其中，為待優(yōu)化的參數(shù)；該自我注意力操作的目的是對(duì)不同濾波器提取的特征映射賦予不同的權(quán)重；然后，對(duì)特征映射應(yīng)用最大池化操作，取最大值作為濾波器對(duì)應(yīng)的特征；寬度為h1的不同濾波器的最大值被連接起來(lái)作為增強(qiáng)的表示形式對(duì)于寬度h2和h3的另外兩個(gè)卷積操作，使用相同的注意機(jī)制來(lái)得到and將它們連接起來(lái)，以得到增強(qiáng)的意見(jiàn)表示R_s即也表示句子是否有觀點(diǎn)；

所述Step3中，用于產(chǎn)生微博評(píng)論嵌入E_r和微博標(biāo)題嵌入E_t的新特征，對(duì)E_r和E_t分別進(jìn)行卷積運(yùn)算，將濾波器w應(yīng)用于E_r和E_t產(chǎn)生新特征：微博評(píng)論的特征映射和微博標(biāo)題的特征映射對(duì)特征映射T進(jìn)行最大池操作，得到t，用t得到每個(gè)特征向量R_i,i＝1,2,…,n在R中的相互注意力權(quán)重為γ，公式如下：

R_i′＝γ_iR_i

其中為待優(yōu)化參數(shù)，通過(guò)相互注意操作，將R更新為更關(guān)注標(biāo)題的特征向量R′；然后對(duì)特征向量R′應(yīng)用最大池化操作，得到內(nèi)容相關(guān)性的表示R_t即也表示句子是否與微博標(biāo)題相關(guān)。

2.根據(jù)權(quán)利要求1所述的用于微博評(píng)論的事件相關(guān)觀點(diǎn)句分類(lèi)方法，其特征在于：所述Step1中，如果微博評(píng)論的單詞出現(xiàn)在情感字典中，將隨機(jī)值賦給微博評(píng)論的單詞作為它的情感詞嵌入E_s；否則，它的情感嵌入和評(píng)論嵌入是一樣的；

所述微博評(píng)論嵌入E_r和微博標(biāo)題嵌入E_t則這樣求出：設(shè)表示評(píng)論x中第i個(gè)單詞的d維詞向量，則評(píng)論嵌入為其中為拼接運(yùn)算符，n為評(píng)論長(zhǎng)度；設(shè)表示標(biāo)題z中第i個(gè)單詞的d維詞向量，則微博標(biāo)題嵌入

3.根據(jù)權(quán)利要求1所述的用于微博評(píng)論的事件相關(guān)觀點(diǎn)句分類(lèi)方法，其特征在于：所述Step4中，拼接后的句子向量通過(guò)非線性變換將其投影到兩個(gè)類(lèi)別的空間中，得到評(píng)論屬于類(lèi)別的概率，將概率最高的類(lèi)別設(shè)置為最終結(jié)果。