[發明專利]一種方面級情感分析方法及裝置

在審

• 申請號: 202210278866.3
• 申請日: 2022-03-17
• 公開（公告）號: CN114781390A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 盧美蓮;繆思琪
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/242;G06F16/35;G06N3/04
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 徐雅琴

本說明書一個或多個實施例提供一種方面級情感分類方法及裝置，包括：對評論語句進行編碼處理，生成句子對向量和評論向量；對預定方面類別進行編碼處理，生成方面類別向量；將所述評論向量輸入預先訓練的評論特征提取模型中，得到評論特征向量；根據所述評論特征向量和所述方面類別向量，生成動態方面向量；根據所述目標實體向量、上下文向量和動態方面向量，生成具有語義關系的評論向量；將所述句子對向量和所述具有語義關系的評論向量輸入情感分類器，得到預測的情感極性。本實施例的方法能夠提高情感預測的準確性。

技術領域

本說明書一個或多個實施例涉及自然語言處理技術領域，尤其涉及一種方面級情感分析方法及裝置。

背景技術

隨著人工智能技術的發展，從包含情感詞的文本中挖掘出表達者所表達的情感，從而完成情感分析任務，具有廣泛的應用場景，例如，商品評論分析、影評分析、熱點事件觀點分析等。方面級情感分析任務能夠挖掘細粒度的情感表達，實現更為準確完整的情感分析，然而，目前的方面級情感分析方法存在動態方面表示不充分、上下文特征學習不全面的問題。

發明內容

有鑒于此，本說明書一個或多個實施例的目的在于提出一種方面級情感分析方法及裝置。

基于上述目的，本說明書一個或多個實施例提供了一種方面級情感分類方法，包括：

對評論語句進行編碼處理，生成句子對向量和評論向量；其中，所述句子對向量中對應評論語句的向量包括目標實體向量和上下文向量；

對預定方面類別進行編碼處理，生成方面類別向量；

將所述評論向量輸入預先訓練的評論特征提取模型中，得到評論特征向量；

根據所述評論特征向量和所述方面類別向量，生成動態方面向量；

根據所述目標實體向量、上下文向量和動態方面向量，生成具有語義關系的評論向量；

將所述句子對向量和所述具有語義關系的評論向量輸入情感分類器，得到預測的情感極性。

可選的，所述對評論語句進行編碼處理之前，還包括：

對于所述評論語句中的每個詞，檢索預定數量的相關概念詞；

根據所述相關概念詞，構建解釋語句；

根據所述評論語句和所述解釋語句，生成擴展后的評論語句。

可選的，所述對評論語句進行編碼處理，生成句子對向量和評論向量，包括：

利用預設的編碼模型對所述擴展后的評論語句進行編碼處理，得到所述評論向量；

根據所述評論語句中的目標實體和方面類別構造至少一個輔助句；

將所述評論語句和至少一個輔助句拼接為句子對；

利用所述編碼模型對所述句子對進行編碼處理，得到所述句子對向量。

可選的，根據所述評論特征向量和所述方面類別向量，生成動態方面向量，包括：

按照預設的動態比例系數，將所述評論特征向量和所述方面類別向量進行加權求和，得到所述動態方面向量。

可選的，根據所述目標實體向量、上下文向量和動態方面向量，生成具有語義關系的評論向量，包括：

根據所述目標實體向量和所述上下文向量，生成目標實體與上下文相互關注的第一評論向量；

根據所述第一評論向量和所述動態方面向量，生成所述具有語義關系的評論向量。

可選的，根據所述目標實體向量和所述上下文向量，生成目標實體與上下文相互關注的第一評論向量，包括：