[发明专利]语义情绪识别方法、装置、设备及存储介质

权利要求书

1.一种语义情绪识别方法，其特征在于，包括：

获取待识别文本；

对所述待识别文本的全局语义信息进行提取，得到第一语义向量；

利用预训练的词向量模型确定所述待识别文本的词向量矩阵；

根据所述词向量矩阵确定第二语义向量；

根据所述词向量矩阵计算所述待识别文本中的每个词的词向量与预设情绪词语的词向量的相似度，将计算得到的所有相似度确定为第三语义向量；

根据所述第一语义向量、所述第二语义向量和所述第三语义向量确定所述待识别文本所属的情绪类别。

2.根据权利要求1所述的方法，其特征在于，所述对所述待识别文本的全局语义信息进行提取，得到第一语义向量，包括：

在所述待识别文本中添加预设符号；

将添加有预设符号的待识别文本的全局语义信息转换为文本向量；

根据所述预设符号在所述待识别文本中的位置得到所述预设符号的位置向量；

将所述文本向量、所述位置向量和预设的所述预设符号的词向量进行融合，得到第一语义向量。

3.根据权利要求1所述的方法，其特征在于，所述利用预训练的词向量模型确定所述待识别文本的词向量矩阵，包括：

利用预设分词方法对所述待识别文本进行分词，得到所述待识别文本的至少一个词；

通过预训练的词向量模型确定各所述词的词向量；

根据各所述词的词向量得到所述待识别文本的词向量矩阵。

4.根据权利要求1～3任一项所述的方法，其特征在于，所述根据所述词向量矩阵确定第二语义向量，包括：

将所述词向量矩阵输入到预训练的第一模型中，利用不同尺寸的卷积核根据相邻词向量的关联性提取词组语义特征；

对每一个卷积核提取的词组语义特征进行最大池化操作，得到每个词组语义特征的最大特征；

对每一个卷积核提取的词组语义特征进行平均池化操作，得到每个词组语义特征的平均特征；

将所有最大特征和平均特征进行拼接，得到所述第二语义向量。

5.根据权利要求1～3任一项所述的方法，其特征在于，所述根据所述词向量矩阵计算所述待识别文本中的每个词的词向量与预设情绪词语的词向量的相似度，将计算得到的所有相似度确定为第三语义向量，包括：

将所述词向量矩阵输入到预训练的第二模型中，计算所述词向量矩阵中的每个词向量与预设情绪词语词向量的相似度，得到相似度矩阵；

对所述相似度矩阵进行最大池化操作，得到第一向量；

对所述相似度矩阵进行平均池化操作，得到第二向量；

将所述第一向量和所述第二向量确定为所述第三语义向量。

6.根据权利要求1～3任一项所述的方法，其特征在于，所述根据所述第一语义向量、所述第二语义向量和所述第三语义向量确定所述待识别文本所属的情绪类别，包括：

按照预设拼接方式将所述第一语义向量、所述第二语义向量和所述第三语义向量进行拼接，得到拼接向量；

将所述拼接向量输入到预训练的分类模型中，确定所述待识别文本所属的情绪类别。

7.一种语义情绪识别装置，其特征在于，所述装置包括：

获取模块，用于获取待识别文本；

提取模块，用于对所述待识别文本的全局语义信息进行提取，得到第一语义向量；

第一确定模块，用于利用预训练的词向量模型确定所述待识别文本的词向量矩阵；

第二确定模块，用于根据所述词向量矩阵确定第二语义向量；

第三确定模块，用于根据所述词向量矩阵计算所述待识别文本中的每个词的词向量与预设情绪词语的词向量的相似度，将计算得到的所有相似度确定为第三语义向量；

第四确定模块，用于根据所述第一语义向量、所述第二语义向量和所述第三语义向量确定所述待识别文本所属的情绪类别。