[发明专利]一种文本情感分析方法、装置、设备及存储介质

权利要求书

1.一种文本情感分析方法，其特征在于，所述方法包括：

获取携带指定实体的训练文本数据，并对所述训练文本数据添加情感类别标签，其中，所述情感类别标签包括第一情感类别标签和第二情感类别标签，所述第一情感类别标签用于指示正面情感类别，所述第二情感类别标签用于指示负面情感类别；

将所述训练文本数据输入预设的bert模型，得到与所述训练文本数据中的指定实体对应的情感类别的预测结果，并根据所述预测结果确定所述训练文本数据情感分类的损失函数值；

根据所述损失函数值调整所述bert模型的权重参数，并对调整权重参数后的bert模型进行重新训练，得到情感分析模型；

将待测试文本数据输入训练得到的情感分析模型进行分析，确定出与所述待测试文本数据对应的情感类型。

2.根据权利要求1所述的方法，其特征在于，所述将所述训练文本数据输入预设的bert模型，得到与所述训练文本数据中的指定实体对应的情感类别的预测结果之前，还包括：

对添加情感类别标签后的训练文本数据进行分类处理，将所述训练文本数据分为三类数据，所述三类数据包括携带指定实体的训练文本数据、实体数据和标签数据；

所述将所述训练文本数据输入预设的bert模型，得到与所述训练文本数据中的指定实体对应的情感类别的预测结果，包括：

将所述携带指定实体的训练文本数据、实体数据和标签数据输入预设的bert模型，得到与所述训练文本数据中的指定实体对应的情感类别的预测结果。

3.根据权利要求2所述的方法，其特征在于，所述将所述携带指定实体的训练文本数据、实体数据和标签数据输入预设的bert模型，得到与所述训练文本数据中的指定实体对应的情感类别的预测结果，包括：

将所述训练文本数据中携带指定实体的训练文本数据、实体数据和标签数据输入所述bert模型，得到所述训练文本数据中所述指定实体对应情感类别的词向量；

根据所述词向量确定与所述训练文本数据中的所述指定实体对应的情感类别的预测结果。

4.根据权利要求3所述的方法，其特征在于，所述根据所述预测结果确定所述训练文本数据情感分类的损失函数值，包括：

获取所述训练文本数据距离所述训练文本数据中的所述指定实体的权重词向量；

根据所述权重词向量和所述bert模型得到的所述训练文本数据中所述指定实体对应情感类别的词向量，确定所述训练文本数据情感分类的损失函数值。

5.根据权利要求4所述的方法，其特征在于，所述获取所述训练文本数据距离所述训练文本数据中的所述指定实体的权重词向量，包括：

获取所述训练文本数据中所述指定实体的位置索引；

根据所述训练文本数据中所述指定实体的位置索引计算与所述训练文本数据中所述指定实体关联的相关字的索引；

根据所述指定实体的位置索引和所述相关字的索引确定所述训练文本数据中所述指定实体对应的权重词向量。

6.根据权利要求4所述的方法，其特征在于，所述根据所述权重词向量和所述bert模型得到的所述训练文本数据中所述指定实体对应情感类别的词向量，确定所述训练文本数据情感分类的损失函数值，包括：

对所述权重词向量和所述bert模型得到的所述训练文本数据中所述指定实体对应情感类别的词向量进行拼接处理，得到目标词向量；

根据所述目标词向量确定所述训练文本数据情感分类的损失函数值，所述损失函数值包括正面情感类型的第一损失函数值和负面情感类型的第二损失函数值。

7.根据权利要求1所述的方法，其特征在于，所述将待测试文本数据输入训练得到的情感分析模型进行分析，确定出与所述待测试文本数据对应的情感类型，包括：

将所述待测试文本数据输入训练得到的情感分析模型进行分析，确定出与所述待测试文本数据对应的情感类别的概率；

根据所述待测试文本数据对应的情感类别的概率，确定最大概率的情感类别为所述待测试文本数据对应的情感类型。