[发明专利]一种基于多通道模型的特定目标情感分析方法

权利要求书

1.一种基于多通道模型的特定目标情感分析方法，其特征在于，包括以下步骤：

(1)输入评测数据集，对评测数据集进行预处理，并划分为训练集、测试集；

(2)分别输入到三个通道进行特征提取，以获得向量r₁、r₂、r₃、r₄和r₅；

(3)利用向量r₁、r₂、r₃、r₄和r₅，通过注意力机制的学习，得到分类结果；

(4)用训练好的模型对测试集中每个评论文本的特定目标进行情感分类，并与测试集本身的标签对比，计算分类准确率；

步骤(2)所述的三个通道进行特征提取获得向量r₁、r₂、r₃、r₄、r₅具体为：

(2-1)第一个通道是将上下文表示W_c与目标词表示W_t进行直接拼接，得到矩阵W_1,tc，其中m,n分别是目标词和上下文中词的个数，d_c是词向量维度，将W_1,tc通过LSTM得到隐含状态H_1,tc，其中d为LSTM隐藏层的维度，然后对H_1,tc进行分层池化操作得到向量r₁，

(2-2)第二个通道是将W_t与W_c分别输入到LSTM，得到目标词和上下文的隐含状态H_2,t和H_2,c，将H_2,t和H_2,c分别进行平均池化，得到目标词和上下文的平均池化向量t_2,avg和c_2,avg，其中然后引入交互注意力机制，使目标信息与上下文信息充分交互，得到向量r₃，

(2-3)第三个通道将W_t与W_c分别输入到LSTM，得到目标词和上下文对应的隐含状态与其中引入基于欧式距离的注意力机制，充分利用语义信息，得到注意力机制权重矩阵H_3,tc，其中通过H_3,tc的转置与相乘得到H_3,tc与相乘得到其中为上下文对目标词的基于欧式距离注意力机制后的表示，为目标词对上下文的基于欧式距离注意力机制后的表示，将和输入到LSTM，得到输出和其中将进行平均池化得到t_3,avg和c_3,avg，其中引入交互注意力机制后，得到向量r₄与r₅，其中

2.根据权利要求1所述的一种基于多通道模型的特定目标情感分析方法，其特征在于，步骤(1)具体是：对特定目标情感分析的测评数据进行预处理，包括获得评论文本、特定目标及其情感极性，然后按3:1的比例将测评数据随机划分成训练集和测试集，且保证两者中积极和消极的评论数基本平衡。

3.根据权利要求1所述的一种基于多通道模型的特定目标情感分析方法，其特征在于，步骤(3)具体为：利用向量r₁、r₂、r₃、r₄和r₅，通过注意力机制的学习，得到最终表示r，最后将r输入到全连接神经网络当中，激活函数为softmax，得到最终的输出y，其中C为分类的类数；d为LSTM隐藏层的维度。

4.根据权利要求1所述的一种基于多通道模型的特定目标情感分析方法，其特征在于，步骤(4)具体为：利用训练集训练得到模型结构参数后，便对测试集进行预测，并求出分类准确率。

5.根据权利要求3所述的一种基于多通道模型的特定目标情感分析方法，其特征在于，步骤(2-1)所述的分层池化操作是先进行平均池化，再进行最大池化。