[發明專利]情感分析方法、裝置、設備以及存儲介質

有效

• 申請號: 202110629557.1
• 申請日: 2021-06-07
• 公開（公告）號: CN113255367B
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 陳昭偉;薛云;陳錦鵬;蔡倩華
• 申請（專利權）人: 華南師范大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/216;G06F40/284;G06F40/211;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 廣州駿思知識產權代理有限公司 44425
• 代理人: 葉瓊園

1.一種情感分析方法，其特征在于，所述情感分析方法包括：

獲取目標語句以及所述目標語句中的屬性詞；

將所述目標語句對應的向量表示輸入至訓練好的門控循環神經網絡中，獲得上下文隱藏向量，以及將所述屬性詞對應的向量表示輸入至所述門控循環神經網絡中，獲得屬性詞隱藏向量；

根據所述屬性詞隱藏向量、所述上下文隱藏向量、訓練好的圖卷積網絡、訓練好的所述屬性詞的門機制模型以及預設的所述屬性詞的屏蔽操作，生成第一隱藏表示，其中，所述第一隱藏表示包含的信息去除了與所述屬性詞無關的信息；

根據所述第一隱藏表示、所述屬性詞隱藏向量、協同注意力機制以及自注意力機制，生成第二隱藏表示，其中，所述第二隱藏表示為包含屬性詞語義信息的上下文句法語義信息；

根據所述上下文隱藏向量、所述屬性詞隱藏向量、所述協同注意力機制以及所述自注意力機制，生成第三隱藏表示，其中，所述第三隱藏表示為降低了不規則句法信息的噪聲的信息；

將所述第二隱藏表示以及所述第三隱藏表示進行拼接，獲得情感特征表示；

根據所述情感特征表示，生成情感分析結果；

所述根據所述屬性詞隱藏向量、所述上下文隱藏向量、訓練好的圖卷積網絡、訓練好的所述屬性詞的門機制模型以及預設的所述屬性詞的屏蔽操作，生成第一隱藏表示包括：根據所述目標語句中每個詞語與所述屬性詞的距離，確定所述目標語句中每個詞語的位置權重；

將所述目標語句對應的鄰接矩陣、所述位置權重以及所述上下文隱藏向量輸入至訓練好的圖卷積網絡中進行卷積運算，獲得圖卷積網絡的隱藏層輸出，其中，確定所述圖卷積網絡的隱藏層輸出的公式如下：

其中，和都是一個標識，用來標識一個詞語或者一個節點，詞語與節點一一對應，表示詞語的位置權重，所述圖卷積網絡包括多個子層，表示所述圖卷積網絡第層的節點的隱藏表示，是第層的節點的隱藏表示與位置權重的衰減表示，是所述目標語句的長度，表示節點在所述圖卷積網絡第層的隱藏表示，是所述圖卷積網絡第層線性變化權重矩陣，表示所述圖卷積網絡第層的偏置項，表示激活函數，表示節點的度，表示鄰接矩陣中詞語與詞語對應的值，鄰接矩陣的對角線值為1，若存在從詞語到詞語的邊，則且，否則且，表示節點在所述圖卷積網絡第層更新過程中的中間狀態，是一種激活函數；

根據所述屬性詞隱藏向量和所述屬性詞的門機制模型，對所述圖卷積網絡的隱藏層輸出進行調整，獲得門機制調整表示；其中，獲得所述門機制調整表示的公式為：

其中，表示激活函數，是所述屬性詞隱藏向量；是權重矩陣，是偏置項，表示逐點相乘，表示圖卷積基于屬性詞的門向量，是所述門機制調整表示；

根據所述屬性詞的屏蔽操作，對所述門機制調整表示中的非屬性詞隱藏層狀態進行屏蔽，獲得屬性詞屏蔽表示；

根據所述屬性詞屏蔽表示以及所述上下文隱藏向量，生成所述第一隱藏表示，其中，生成所述第一隱藏表示的公式為：

其中，是注意力權重，是所述目標語句的長度；表示所述屬性詞的長度；是所述屬性詞的開始標記，是歸一化后的注意力權重，表示向量的轉置，是所述門機制調整表示的值，是所述屬性詞屏蔽表示，為最終得到的所述第一隱藏表示，為所述圖卷積網絡中第個節點的第一隱藏表示， ，是所述目標語句的長度。

2.根據權利要求1所述的情感分析方法，其特征在于，所述根據所述目標語句中每個詞與所述屬性詞的距離，確定所述目標語句中每個詞語的位置權重包括：

獲取所述目標語句中的每個詞語與所述屬性詞的距離；

根據所述距離以及預設的位置權重公式，確定所述詞語的位置權重，其中，所述預設的位置權重公式如下：

其中，為第個詞語的標識，表示所述目標語句的長度，是所述屬性詞的開始標記，表示所述屬性詞的長度，表示取的詞語在所述屬性詞前面，表示取的詞語是所述屬性詞，表示取的詞在所述屬性詞后面，是超參數。