[发明专利]目标情感分析的方法、模型训练方法、介质和设备

说明书

本公开涉及自然语言处理技术领域，提供了一种目标情感分析的方法及装置、目标情感分析模型训练方法及装置，以及计算机存储介质和电子设备。其中，目标情感分析的方法包括：对于待测语句中每个词，获取当前词的词向量、获取用于表示当前词的全局语义信息的文本向量，以及获取用于表示当前词在待测语句中位置信息的位置向量；对待测语句中的每个词的：词向量、文本向量和位置向量进行编码，得到待测语句的语义向量；获取待测语句中目标词对应的目标向量；根据语义向量和目标向量预测目标词的情感极性类别。本技术方案有利于提升对目标词的情感极性类别的预测准确度。

技术领域

本公开涉及自然语言处理技术领域，具体而言，涉及一种目标情感分析(TargetedSentiment Analysis,简称：TSA)的方法及装置、TSA模型训练方法及装置，以及计算机存储介质和电子设备。

背景技术

TSA任务是确定语句中目标词的情感极性类别，例如，对于语句“这家餐厅的食品很好吃，但是服务比较差。”对于其中的目标词“食品”的情感极性类别为积极类型，对于另一个目标词“服务”的情感极性类别为消极类型。

随着机器学习技术的发展，机器学习技术可被用于解决TSA任务。现有技术中，通过卷积神经网络对语句以及语句中的目标词进行特征提取，以通过提取到的特征实现对目标词的情感极性类别的预测。

然而，相关技术提供的目标情感分析的方案的预测准确度有待提高。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。

发明内容

本公开的目的在于提供一种TSA的方法及装置、TSA模型训练方法及装置，以及计算机存储介质和电子设备，进而至少在一定程度上提升对目标词的情感极性类别的预测准确度。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种目标情感分析的方法，包括：

对于待测语句中每个词，获取当前词的词向量、获取用于表示上述当前词的全局语义信息的文本向量，以及获取用于表示上述当前词在上述待测语句中位置信息的位置向量；

对上述待测语句中的每个词的：词向量、文本向量和位置向量进行编码，得到上述待测语句的语义向量；

获取上述待测语句中目标词对应的目标向量；

根据上述语义向量和上述目标向量预测上述目标词的情感极性类别。

根据本公开的一个方面，提供一种目标情感分析的装置，包括：包括：第一向量获取模块、向量编码模块、第二向量获取模块，以及情感极性分类模块。其中：

上述第一向量获取模块，被配置为：对于待测语句中每个词，获取当前词的词向量、获取用于表示上述当前词的全局语义信息的文本向量，以及获取用于表示上述当前词在上述待测语句中位置信息的位置向量；

上述向量编码模块，被配置为：对上述待测语句中的每个词的：词向量、文本向量和位置向量进行编码，得到上述待测语句的语义向量；

上述第二向量获取模块，被配置为：获取上述待测语句中目标词对应的目标向量；

上述情感极性分类模块，被配置为：根据上述语义向量和上述目标向量预测上述目标词的情感极性类别。

在本公开的一些实施例中，基于前述方案，上述待测语句中包含一个或多个目标词。

在本公开的一些实施例中，基于前述方案，上述向量编码模块，包括：注意力机制处理单元、残差连接单元、标准化处理单元以及线性转换单元。

其中：