[发明专利]一种个性化情感摘要的计算方法与装置

权利要求书

1.一种个性化情感摘要的计算方法，其特征在于，包括：

基于用户评论数据信息构建数据集;

基于预设要素信息对所述数据集进行过滤，得到过滤结果；

通过用户敏感编码器，对所述过滤结果使用双向LSTM进行编码后，基于用户选择机制从所述过滤结果中，获取用户关注度高的评论内容进行建模，得到建模结果；

通过用户敏感解码器对所述建模结果进行解码，并输入用户向量及用户词汇至所述解码器的词汇预测阶段，使得所述解码器输出个性化情感摘要；

其中，所述通过用户敏感编码器，对所述过滤结果使用双向LSTM进行编码后，基于用户选择机制从所述过滤结果中，获取用户关注度高的评论内容进行建模，得到建模结果包括：

基于用户选择机制的网络输入是用户向量u和编码端的隐层状态，输出是通过一个门向量gate_i进行过滤后得到的源端隐层向量：

（1）

（2）

其中和是选择机制的参数，[;]是连接符号，σ表示的是 sigmoid活函数，并且指的是逐位相乘的操作，指的是保留信息的量，称为源端隐层向量；

其中，所述通过用户敏感解码器对所述建模结果进行解码，并输入用户向量及用户词汇至所述解码器的词汇预测阶段，使得所述解码器输出个性化情感摘要包括：

在 t 时刻的解码过程中，解码器通过接受上一时刻解码出的词向量生成 t 时刻的解码状态，然后用所述解码状态去关注所述源端隐层向量，得到 t 时刻的上下文向量，具体计算公式如（3）（4）（5）所示：

（3）

（4）

（5）

其中，W_c，， b_c和是注意力层的参数，度量的是编码隐层状态和当前解码状态的重要性得分，为使用用户敏感编码器过滤后编码器顶层的隐藏状态，包含了待输入到连接层的隐藏向量、t 时刻的上下文向量、以及要素相关的句子 i 的表示；

将用户关注词汇表融入到词汇预测模块，得到影响词汇的概率分布P_voc，使用注意力机制来从用户关注词汇表中抽取词汇得到用户词表，用表示；

（6）

（7）

（8）

其中，W_m，，b_m和是模型参数；为将含有用户关注词汇表的隐藏向量输入全连接层；为 t 时刻对第 i 个隐状态的归一化权重；为 t 时刻对第k个隐状态的归一化权重;U_k为用户关注词汇表的向量化表示；

将和用户向量u融入读出状态中，并得到式（9）及（10）：

（9）

（10）

其中，，，和b_o是模型参数；为将和用户向量u融入读出状态之后得到的；为利用新的更新过的 t 时刻生成词汇的概率。

2.根据权利要求1所述的计算方法，其特征在于，所述基于用户评论数据信息构建数据集包括：

从目标网站抓取所述用户评论数据信息；

将所述用户评论数据信息按照用户-评论-摘要三元组形式构建所述数据集。

3.根据权利要求1所述的计算方法，其特征在于，所述基于预设要素信息对所述数据集进行过滤，得到过滤结果包括：

基于目标网站定义所述预设要素信息；

根据要素分割算法将所述预设要素信息自动拓展种子词；

基于所述预设要素信息及所述种子词对所述数据集进行第一次过滤，得到第一次过滤结果；

对所述第一次过滤结果进行长度过滤，过滤掉题目词汇小于预设数量的用户评论数据信息，得到第二次过滤结果；

对所述第二次过滤结果进行压缩比过滤，过滤掉评论长度与题目长度比值大于预设阈值的所述用户评论数据信息，得到所述过滤结果。