[发明专利]基于目标语义与位置融合的方面意见词抽取方法

说明书

本发明涉及自然语言处理技术领域，且公开了基于目标语义与位置融合的方面意见词抽取方法，将方面目标信息合并到上下文中并学习融合方面目标的上下文表示，构造新的序列标注模型，输入层，在观察数据集时，部分句子的方面目标或方面意见词处于句子初始位置或者结束位置，在模型训练过程中方面目标或候选方面意见词缺失左侧信息或右侧信息，使上下文语义信息不完整。该基于目标语义与位置融合的方面意见词抽取方法，具备以位置和注意力信息作为切入点，将上下文信息、方面目标语义信息、相对位置信息以及注意力机制的结合，以及关注到整个句子的全局信息，获取方面目标与方面意见词之间的相对位置信息的优点。

技术领域

本发明涉及自然语言处理技术领域，具体为基于目标语义与位置融合的方面意见词抽取方法。

背景技术

文本情感分析旨在自动地从非结构化的评论文本中抽取有用的观点信息，挖掘出的信息可以运用于电商平台、网络舆情、企业制造、公共服务中，帮助企业、机构、政府了解大众的看法，完善产品、系统和服务，同时也为大众提供一些可信性参考，早期抽取方面意见词主要基于规则的方法，通过人为构造一些词性规则与句法规则来实现对方面意见词的抽取，近年来，深度神经网络被应用到这项任务中，不需要太多的领域知识即可得到很好的效果，但仍存在改进和提升的空间，例如融合方面目标信息的神经序列化标注模型(Target-oriented Opinion Words Extraction with Target-fused Neural SequenceLabeling，IOG)，可以将方面目标信息分别编码到候选意见词的上下文中，然后结合方面目标信息与上下文信息，在解码器中抽取相应的意见词。

目前，传统的方面意见词的抽取方法，虽然可以将方面目标信息分别编码到候选意见词的上下文中，然后结合方面目标信息与上下文信息并从中抽取相应的意见词，但是无法充分独立地利用上下文信息和方面目标信息，并且忽略了方面意见词与方面目标之间的位置信息。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于目标语义与位置融合的方面意见词抽取方法，具备以位置和注意力信息作为切入点，将上下文信息、方面目标语义信息、相对位置信息以及注意力机制的结合，以及关注到整个句子全局信息，获取方面目标与方面意见词之间的相对位置信息等优点，解决了无法充分独立地利用上下文信息和方面目标信息，并且忽略了方面意见词与方面目标之间的位置信息的问题。

(二)技术方案

为实现上述的目的，本发明提供如下技术方案：基于目标语义与位置融合的方面意见词抽取方法，将方面目标信息合并到上下文中并学习融合方面目标的上下文表示，构造新的序列标注模型，包括以下步骤；

步骤一：输入层，AP-IOG模型在句子的开头和结尾分别补上头尾标识符；

步骤二：Inward-LSTM层，使用Inward-LSTM将包含候选意见词的上下文信息传递给方面目标，把方面目标词作为LSTM的最后一个输入单元，能够更好的利用方面目标的语义信息；

步骤三：Outward-LSTM层，使用Outward-LSTM将方面目标传递给上下文，确保针对不同的目标，每个单词具有不同的表示形式；

步骤四：AP Global-LSTM层，使用AP Global-LSTM能获取整个句子的语义信息，而且更好地注意到句子中的方面目标信息以及附近候选意见词的信息，完善句子的语义信息；

步骤五：融合层，将Inward-LSTM、Outward-LSTM和AP Global-LSTM上下文拼接起来，向量拼接使各个不同类型的特征向量充分发挥其作用，使输入层具有更丰富的信息；

步骤六：解码层，使用贪婪解码作为解码器，贪婪解码被独立地描述为每个位置的三类分类问题。

优选的，所述输入层表示如下：