[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

本申請涉及一種情感分析方法、裝置、設備以及存儲介質。方法包括：獲取目標語句對應的上下文隱藏向量以及屬性詞對應的屬性詞隱藏向量；根據屬性詞隱藏向量、上下文隱藏向量、訓練好的圖卷積網絡、訓練好的屬性詞的門機制模型以及預設的屬性詞的屏蔽操作，生成第一隱藏表示；根據第一隱藏表示、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；根據上下文隱藏向量、屬性詞隱藏向量、協同注意力機制以及自注意力機制，生成第三隱藏表示；將第二隱藏表示以及第三隱藏表示進行拼接，獲得情感特征表示；根據情感特征表示，生成情感分析結果。本申請具有提高情感分析的準確性的優點。

技術領域

本申請涉及自然語言處理技術領域，特別是涉及一種情感分析方法、裝置、設備以及存儲介質。

背景技術

屬性級情感分析是自然語言處理（Natural Language Processing，NLP）中的重要任務，其目的在于檢測帶觀點的評論句子中針對某個屬性的情感極性。

目前，可以通過將圖神經網絡(如圖卷積網絡)對語句的句法依存樹進行運算，縮短屬性詞和上下文詞之間的距離并利用它們間的句法依賴關系來獲得情感分析結果，

然而，發明人在研究過程中發現，一方面，基于句法依存樹的圖卷積模型，其特征提取過程中的表示向量并不是為了屬性詞特制的，這可以會導致得到的表示向量并非最優，從而引入與任務無關的噪聲，另一方面，偏口語化的評論句子因為含有不規則的句法結構，特征提取也會引入噪聲，降低了情感分析結果的準確性。因此，如何提高情感分析的準確性是一個需要解決的技術問題。

發明內容

基于此，本申請的目的在于，提供一種情感分析方法、裝置、設備以及存儲介質，其具有提高情感分析的準確性的優點。

根據本申請實施例的第一方面，提供一種情感分析方法，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。

根據本申請實施例的第二方面，提供一種情感分析裝置，所述情感分析裝置包括：

獲取模塊，用于獲取目標語句以及所述目標語句中的屬性詞；

輸入模塊，用于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；

第一生成模塊，用于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；