[發明專利]一種用于微博評論的事件相關觀點句分類方法

有效

• 申請號: 202110448958.7
• 申請日: 2021-04-25
• 公開（公告）號: CN113076425B
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 相艷;施敬磊;余正濤;線巖團;郭軍軍;黃于欣
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289;G06F16/9536;G06N3/04
• 代理公司: 昆明人從眾知識產權代理有限公司 53204
• 代理人: 何嬌

本發明涉及用于微博評論的事件相關觀點句分類方法。包括把微博評論嵌入、情感詞嵌入進行拼接，再通過自注意機制轉換到一個新的嵌入，新的嵌入通過自注意機制被送入不同大小的卷積層，卷積結果都經過最大池化，最大池化后的結果進行拼接，得到表示句子是否有觀點的一個結果；獲取微博評論的特征映射和微博標題的特征映射；后者最大池化得到向量，再計算相互注意力權重；通過相互注意力權重將博評論的特征映射更新；再對特征向量進行最大池化，得到表示句子是否與微博標題相關的一個結果；將表示句子是否有觀點的一個結果和表示句子是否與微博標題相關的一個結果進行拼接作為句子向量，基于這個句子向量進行預測。本發明提出的分類方法更有效。

技術領域

本發明涉及一種用于微博評論的事件相關觀點句分類方法，屬于計算機及信息技術領域。

背景技術

傳統上，意見句的識別被認為是對主客觀句的分類。主觀句可以表達多種類型的信息，如意見、評價、情緒等。研究者主要通過機器學習模型構建主客觀分類器。如樸素貝葉斯(NB)、支持向量機(SVM)、Logistic回歸(LR)、隨機森林(RF)等。近年來，深度學習已經成為一種強大的機器學習技術，它可以學習數據的多層表示或特征，也被廣泛用于句子分類。本發明的任務類似于句子分類，針對特定的目標，如方面級的情感分類。

然而，傳統的意見句識別方法是基于主客觀特征的構造訓練分類器。微博評論不規范、自由、短，基于規則的方法或基于人工構建特征的方法都有其局限性。基于神經網絡的方法可以避免傳統機器學習方法中人工特征構建的復雜性和局限性，但是現有的對評論句子分類方法沒有考慮評論句子是否指向相關對象。針對這些問題，本發明提出了一種結合內容相關性增強模塊和意見表達增強模塊的神經網絡模型。

在本研究中，多數方法采用長、短期記憶和注意機制來預測相關目標的情緒極性。Wang等人揭示了句子的情感分類不僅由內容決定，而且與所關注的方面高度相關。Ma等人提出了交互注意網絡，對語境和目標中的注意進行交互學習，有助于進行方面級情感分類。可見，現有的意見句分類器只考慮句子本身的特征，而不考慮句子是否與所關注的對象相關?；谏疃葘W習的方面級情感分類器考慮的是與句子相關的方面，但這些方面是實體或實體類別，不適合這項任務。為此，本發明提出了一種結合微博標題的分類模型，利用CNN濾波器提取意見和微博標題的特征，識別出與相關微博內容相關的意見句。

發明內容

本發明提供了一種用于微博評論的事件相關觀點句分類方法，提出了微博標題和微博評論之間的相互關注操作，能夠更好地提取出代表微博內容相關性的特征；同時加入了情感詞的嵌入，能更加關注句子的觀點詞。

本發明的技術方案是：一種用于微博評論的事件相關觀點句分類方法，所述方法包括如下：

Step1、獲取微博評論嵌入E_r、微博標題嵌入E_t、情感詞嵌入E_s；

Step2、把微博評論嵌入E_r、情感詞嵌入E_s進行拼接，拼接后得到的結果E通過自注意機制轉換到一個新的嵌入E′，然后這個新的嵌入E′通過自注意機制被送入三個不同大小的卷積層，每個卷積結果都經過最大池化，然后把最大池化后的結果進行拼接，得到R_s，它表示句子是否有觀點；

Step3、分別對微博評論嵌入E_r、微博標題嵌入E_t進行卷積運算，分別得到微博評論的特征映射R和微博標題的特征映射T；T經過最大池化得到向量t，用來計算與R的相互注意力，得到相互注意力權重γ；然后通過相互注意力權重γ將R更新為更關注與標題相關的特征向量R′；再對特征向量R′進行最大池化操作，得到R_t，它表示句子是否與微博標題相關；

Step4、將Step2最終得到的結果R_s和Step3最終得到的結果R_t進行拼接作為句子向量R_o，基于這個句子向量R_o進行預測。