[发明专利]文本分类方法、装置、存储介质及设备

说明书

本申请公开了一种文本分类方法、装置、存储介质及设备，属于人工智能技术领域。包括：获取待处理文本；调用情感分析模型中的目标语言模型对待处理文本进行编码处理，得到特征向量序列，目标语言模型为BERT模型，特征向量序列表征了待处理文本中词之间的上下文关系；对确定的目标词进行向量化处理得到目标特征向量；对特征向量序列和目标特征向量进行第一特征融合处理，根据得到的第一特征向量和特征向量序列获取第二特征向量；对第二特征向量和目标特征向量进行第二特征融合处理；基于得到的第三特征向量，预测目标词在待处理文本中的情感极性。本申请能够准确预测目标词在文本中的情感极性，即可实现在文本中精准地对目标词进行情感分类。

技术领域

本申请涉及人工智能技术领域，特别涉及一种文本分类方法、装置、存储介质及设备。

背景技术

对文本进行情感分析(Sentiment Analysis，SA)，是人工智能技术领域中一种典型的自然语言处理(Natural Language Processing，NLP)任务，目前具有广泛的应用场景。

情感分析也可称之为意见挖掘或倾向性分析，用于分析人们的观点或情绪，以评估用户对诸如产品或服务等实体的情感趋向。示例性地，用户在对指定产品发表文本评价之后，可通过对该文本评价进行情感分析来确定其情感极性(比如积极、消极或中立)，从而确定用户对该指定产品的情感趋向，比如用户是否喜爱该指定产品。

目标情感分析(Targeted Sentiment Analysis，TSA)是情感分析的一个分支，旨在分析目标词在文本中的情感极性。例如，给定一个文本和目标词(比如服务或口味等)，确定目标词在该文本中的情感分类。其中，准确预测目标词在文本中的情感极性至关重要，是衡量一个情感分析方案的重要指标。为此，如何进行文本分类，便成为了时下本领域技术人员亟待解决的一个问题。

发明内容

本申请实施例提供了一种文本分类方法、装置、存储介质及设备，能够准确地预测目标词在文本中的情感极性，即可实现在文本中精准地对目标词进行情感分类。所述技术方案如下：

一方面，提供了一种文本分类方法，所述方法包括：

获取待处理文本；

调用情感分析模型中的目标语言模型对所述待处理文本进行编码处理，得到特征向量序列，所述目标语言模型为BERT(Bidirectional Encoder Representat- ions fromTransformers，基于变换器的双向编码表征)模型，所述特征向量序列表征了所述待处理文本中词之间的上下文关系；

对确定的目标词进行向量化处理得到目标特征向量；

对所述特征向量序列和所述目标特征向量进行第一特征融合处理，根据得到的第一特征向量和所述特征向量序列获取第二特征向量；

对所述第二特征向量和所述目标特征向量进行第二特征融合处理；基于得到的第三特征向量，预测所述目标词在所述待处理文本中的情感极性。

另一方面，提供了一种文本分类装置，所述装置包括：

获取模块，用于获取待处理文本；

第一处理模块，用于调用情感分析模型中的目标语言模型对所述待处理文本进行编码处理，得到特征向量序列，所述目标语言模型为BERT模型，所述特征向量序列表征了所述待处理文本中词之间的上下文关系；

第二处理模块，用于对确定的目标词进行向量化处理得到目标特征向量；

第三处理模块，用于对所述特征向量序列和所述目标特征向量进行第一特征融合处理；根据得到的第一特征向量和所述特征向量序列获取第二特征向量；对所述第二特征向量和所述目标特征向量进行第二特征融合处理；

预测模块，用于基于得到的第三特征向量，预测所述目标词在所述待处理文本中的情感极性。