[發明專利]基于多任務協同學習的文本情感分析方法

在審

• 申請號: 202310373551.1
• 申請日: 2023-04-10
• 公開（公告）號: CN116561310A
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 溫家輝;張鴻云;方健;張光達;王會權;張擁軍;郝鋒
• 申請（專利權）人: 中國人民解放軍軍事科學院國防科技創新研究院
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06N3/048;G06N3/08
• 代理公司: 北京奧文知識產權代理事務所(普通合伙) 11534
• 代理人: 張文;鄭澤祥

本發明公開了一種基于多任務協同學習的文本情感分析方法，包括：獲取待測文本，確定待測文本對應的嵌入式特征向量；對嵌入式特征向量進行處理，獲取對應于方面術語提取的第一詞組卷積特征向量和對應于方面類別檢測的第二詞組卷積特征向量；根據第一詞組卷積特征向量和第二詞組卷積特征向量，獲取第一共享特征向量和第二共享特征向量；根據詞組卷積特征向量和共享特征向量，獲取詞組的第一專有特征向量和隱特征向量；對第一共享特征向量和詞組的隱特征向量進行處理，獲取第二專有特征向量；根據詞組的第一專有特征向量確定方面術語提取的預測結果，根據第二專有特征向量確定方面類別檢測的預測結果。本發明能提高方面術語提取和方面類別檢測精度。

技術領域

本發明涉及情感分析技術領域，尤其涉及一種基于多任務協同學習的文本情感分析方法。

背景技術

情感分析又稱觀點挖掘，是自然語言處理下的一個分支，主要研究人們對于某種事件或商品所表達出的觀點以及情感。隨著互聯網的發展，情感分析在商品推薦、醫療保健、社會事件上，已有較為廣泛的應用。

由于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，目前對基于方面的情感分析的研究也越來越多。方面級情感分析涉及四個情感元素，包括方面類別(aspect?category)、方面術語(aspect?term)、意見術語(opinion?term)和情感極性(sentiment?polarity)。現有大多數基于方面的情感分析方法中，方面術語提取和方面類別檢測是獨立進行的，在進行情感分析時通常是進行方面術語和意見術語的協同提取，均屬于單任務學習的范疇，在實際應用中，方面術語提取和方面類別檢測精度不高，嚴重影響情感分析的準確性。

發明內容

為解決上述現有技術中存在的部分或全部技術問題，本發明提供一種基于多任務協同學習的文本情感分析方法。

本發明的技術方案如下：

提供了一種基于多任務協同學習的文本情感分析方法，所述方法包括：

獲取待測文本，確定所述待測文本中每個詞組對應的嵌入式特征向量；

分別利用預先訓練的第一卷積神經網絡和第二卷積神經網絡對嵌入式特征向量進行處理，獲取對應于方面術語提取的第一詞組卷積特征向量和對應于方面類別檢測的第二詞組卷積特征向量；

根據第一詞組卷積特征向量和第二詞組卷積特征向量，獲取對應于方面術語提取的第一共享特征向量和對應于方面類別檢測的第二共享特征向量；

對第一詞組卷積特征向量和第二共享特征向量進行融合處理，獲取對應于方面術語提取的每個詞組的第一專有特征向量，以及對第二詞組卷積特征向量和第一共享特征向量進行融合處理，獲取對應于方面類別檢測的每個詞組的隱特征向量；

利用預先訓練的注意力機制模型對第一共享特征向量和每個詞組的隱特征向量進行處理，獲取對應于方面類別檢測的第二專有特征向量；

根據每個詞組的第一專有特征向量確定對應于方面術語提取的每個詞組的預測結果，根據第二專有特征向量確定對應于方面類別檢測的預測結果。

在一些可能的實現方式中，采用嵌入檢索操作獲取所述待測文本中每個詞組對應的嵌入式特征向量。

在一些可能的實現方式中，根據第一詞組卷積特征向量和第二詞組卷積特征向量，獲取對應于方面術語提取的第一共享特征向量和對應于方面類別檢測的第二共享特征向量，包括：

對第一詞組卷積特征向量進行最大化池操作，獲取對應于方面術語提取的第一共享特征向量；

對第二詞組卷積特征向量進行最大化池操作，獲取對應于方面類別檢測的第二共享特征向量。