[發(fā)明專(zhuān)利]古詩(shī)詞情感分析方法、裝置、設(shè)備、介質(zhì)和程序產(chǎn)品

在審

• 申請(qǐng)?zhí)枺?/td>: 202210706910.6
• 申請(qǐng)日: 2022-06-21
• 公開(kāi)（公告）號(hào): CN115204153A
• 公開(kāi)（公告）日: 2022-10-18
• 發(fā)明（設(shè)計(jì)）人: 李艷祥;于鴻鵬
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中銀金融科技有限公司
• 主分類(lèi)號(hào): G06F40/247
• 分類(lèi)號(hào): G06F40/247;G06F40/216;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 吳剛

本發(fā)明提供一種古詩(shī)詞情感分析方法、裝置、設(shè)備、介質(zhì)和程序產(chǎn)品，包括：獲取待分析的古詩(shī)詞短文本，并基于LDA主題模型對(duì)古詩(shī)詞短文本中的各條古詩(shī)詞進(jìn)行各類(lèi)預(yù)設(shè)主題下的文本特征擴(kuò)充，得到各條古詩(shī)詞對(duì)應(yīng)的目標(biāo)古詩(shī)詞；將各目標(biāo)古詩(shī)詞轉(zhuǎn)為詞嵌入向量，并將詞嵌入向量輸入至Transformer編碼器，獲取Transformer編碼器輸出的各目標(biāo)古詩(shī)詞對(duì)應(yīng)的特征矩陣；將各目標(biāo)古詩(shī)詞對(duì)應(yīng)的特征矩陣輸入至膠囊網(wǎng)絡(luò)，獲得膠囊網(wǎng)絡(luò)輸出的各目標(biāo)古詩(shī)詞對(duì)應(yīng)的各類(lèi)預(yù)設(shè)主題的分類(lèi)結(jié)果，由此先進(jìn)行文本擴(kuò)充來(lái)增加古詩(shī)詞文本中有效特征量，再進(jìn)行特征抽取及分類(lèi)，提高了古詩(shī)詞短文本分類(lèi)精準(zhǔn)度。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種古詩(shī)詞情感分析方法、裝置、設(shè)備、介質(zhì)和程序產(chǎn)品。

背景技術(shù)

情感分析是自然語(yǔ)言處理領(lǐng)域的一個(gè)分支，是對(duì)人們的觀點(diǎn)、情緒、情感、對(duì)某件事物的評(píng)價(jià)和態(tài)度的研究。例如針對(duì)文本的情感分析。

現(xiàn)有方案中通常采用CNN卷積神經(jīng)網(wǎng)絡(luò)、RNN循環(huán)神經(jīng)網(wǎng)絡(luò)等對(duì)文本進(jìn)行文本情感分析作為情感分析中的重點(diǎn)研究任務(wù)，旨在探索文本中蘊(yùn)含的作者的情感傾向是正面還是反面，或進(jìn)行更細(xì)粒度的探索，如喜、怒、哀、樂(lè)、懼、愁等多分類(lèi)度量，然而在使用CNN卷積神經(jīng)網(wǎng)絡(luò)、RNN循環(huán)神經(jīng)網(wǎng)絡(luò)等對(duì)古詩(shī)詞這類(lèi)短文本進(jìn)行情感分析時(shí)，由于古詩(shī)詞文本較短、語(yǔ)言精煉、特征稀疏的特點(diǎn)，通常僅能將古詩(shī)詞劃分為正面、中面、負(fù)面三大類(lèi)，無(wú)法進(jìn)一步進(jìn)行更細(xì)粒度的劃分，導(dǎo)致分類(lèi)精準(zhǔn)度不高。

發(fā)明內(nèi)容

本發(fā)明提供一種古詩(shī)詞情感分析方法、裝置、設(shè)備、介質(zhì)和程序產(chǎn)品，用以解決現(xiàn)有技術(shù)中針對(duì)文本較短、語(yǔ)言精煉、特征稀疏的古詩(shī)詞無(wú)法進(jìn)行更細(xì)粒度的劃分，導(dǎo)致分類(lèi)精準(zhǔn)度不高的缺陷。

本發(fā)明提供一種古詩(shī)詞情感分析方法，包括：

獲取待分析的古詩(shī)詞短文本，并基于LDA主題模型對(duì)所述古詩(shī)詞短文本中的各條古詩(shī)詞進(jìn)行各類(lèi)預(yù)設(shè)主題下的文本特征擴(kuò)充，得到所述各條古詩(shī)詞對(duì)應(yīng)的目標(biāo)古詩(shī)詞；

將各所述目標(biāo)古詩(shī)詞轉(zhuǎn)為詞嵌入向量，并將所述詞嵌入向量輸入至Transformer編碼器，獲取所述Transformer編碼器輸出的各所述目標(biāo)古詩(shī)詞對(duì)應(yīng)的特征矩陣；

將各所述目標(biāo)古詩(shī)詞對(duì)應(yīng)的特征矩陣輸入至膠囊網(wǎng)絡(luò)，獲得所述膠囊網(wǎng)絡(luò)輸出的各所述目標(biāo)古詩(shī)詞對(duì)應(yīng)的所述各類(lèi)預(yù)設(shè)主題的分類(lèi)結(jié)果。

根據(jù)本發(fā)明提供的一種古詩(shī)詞情感分析方法，所述基于LDA主題模型對(duì)所述古詩(shī)詞短文本中的各條古詩(shī)詞進(jìn)行各類(lèi)預(yù)設(shè)主題下的文本特征擴(kuò)充，得到所述各條古詩(shī)詞對(duì)應(yīng)的目標(biāo)古詩(shī)詞，具體包括：

將所述古詩(shī)詞短文本輸入詞袋模型，獲得所述詞袋模型輸出的詞袋編碼；

將所述詞袋編碼輸入LDA主題模型中，獲得所述LDA主題模型輸出的所述古詩(shī)詞短文本中的各條古詩(shī)詞對(duì)應(yīng)的各類(lèi)預(yù)設(shè)主題的主題概率分布及各類(lèi)預(yù)設(shè)主題的主題詞概率分布；

基于所述主題概率分布及所述主題詞概率分布從所述古詩(shī)詞短文本篩選目標(biāo)主題詞，并將所述目標(biāo)主題詞與所述各條古詩(shī)詞進(jìn)行拼接，得到所述各條古詩(shī)詞對(duì)應(yīng)的目標(biāo)古詩(shī)詞。

根據(jù)本發(fā)明提供的一種古詩(shī)詞情感分析方法，基于所述主題概率分布及所述主題詞概率分布從所述古詩(shī)詞短文本篩選目標(biāo)主題詞，具體包括：

計(jì)算出所述主題概率分布及所述主題詞概率分布對(duì)應(yīng)的概率分布矩陣；

從所述概率分布矩陣中篩選出概率大于預(yù)設(shè)閾值的主題詞作為目標(biāo)主題詞。

根據(jù)本發(fā)明提供的一種古詩(shī)詞情感分析方法，所述將各所述目標(biāo)古詩(shī)詞轉(zhuǎn)為詞嵌入向量，具體包括：

對(duì)所述目標(biāo)古詩(shī)詞進(jìn)行預(yù)處理，獲得所述目標(biāo)古詩(shī)詞對(duì)應(yīng)的至少一個(gè)目標(biāo)詞語(yǔ)；

計(jì)算出所述目標(biāo)詞語(yǔ)的位置信息，并根據(jù)所述位置信息計(jì)算出各所述目標(biāo)詞語(yǔ)的詞嵌入向量。