[发明专利]一种基于胶囊网络的多语言情感分类方法、装置、设备及存储介质

权利要求书

1.一种基于胶囊网络的多语言情感分类方法，其特征在于，按下列步骤进行：

a、获取多种语言的源语言的文本，得到不同文本的语料集合；其中，所述源语言文本包括上下文、源情感词以及源情感词对应的若干属性；将上下文、源情感词以及对应的若干属性进行集合打包成文本语料集合；

b、将步骤a的文本的语料集合输入产生词向量的Glove模型中，提取源语言的语义特征，得到多语言文本的向量表示；其中，经词向量模型Glove充分训练后输出得到的词向量表示源语言的语义特征；

c、在待识别以及训练的文本中，先通过语种识别工具识别语种，再使用对应的语种进行词向量初始化，不同语种训练不同的词向量，将识别的语种进行对应的词嵌入初始化；

d、将文本隐含的情感特征与原文本向量表示进行融合，所述情感词作为添加到文本词向量的特征，表示了源语言文本情感倾向；将文本隐含的情感特征与原文本词向量表示通过拼接的方式进行融合，得到更新后的融合向量；融合向量表示情感特征与原文本词向量的融合表示，将所述融合表述输入基于胶囊网络的多语言情感分类模型中进行训练；

e、将融合向量表示输入到基于胶囊网络的多语言情感分类模型中得到情感分类的结果，其中基于胶囊网络的多语言情感分类模型包括注意力胶囊特征抽取模块和情感分类模块，情感分类模块中归一化层将全连接层的输出进行分类，能将一个n维的向量进行压缩，使得每一个元素的范围都处于0到1之间，并且保证每个元素的和为1，最后输出分类结果。

2.一种基于胶囊网络的多语言情感分类装置，其特征在于，该装置由特征抽取模型，语种识别模块，情感特征融合模块、注意力胶囊特征抽取模块、情感分类模块组成，其中：

特征提取模块（710）：用户获取文本的特征信息，将第一获取单元得到的源语言与上下文、源情感词以及源情感词对应的若干属性输入产生词向量的Glove模型中，从而提取源语言的语义特征，得到文本的向量表示；

语种识别模块（720）：用于识别待识别以及训练的语种，在待识别以及训练的文本中，先通过语种识别工具识别语种，再使用对应的语种进行词向量初始化；

情感特征融合模块（730）：融合向量表示，将文本及所述情感特征信息进行拼接融合，最后输出融合向量表示；

注意力胶囊特征抽取模块（740）：用于抽取融合向量表示的深层次语义特征信息；其中，注意力胶囊特征抽取模块包括序列建模单元以及注意力胶囊特征提取单元；

情感分类模块（750）：用于对抽取的特征进行情感分类的模型；将注意力胶囊特征抽取模块输出的高层次语义胶囊经全连接层，最后输入归一化层输出情感分类结果。

3.根据权利要求2所述的基于胶囊网络的多语言情感分类装置，其特征在于，所述注意力胶囊特征抽取模块（740）包括：序列建模单元以及注意力胶囊特征提取单元，将融合向量进行序列建模，所述序列建模单元为时间卷积网络层，将融合向量输入序列建模单元而后输出序列特征信息；将序列信息输入到注意力胶囊特征抽取模块（740）；所述注意力胶囊特征抽取模块（740）包括注意力单元以及胶囊单元；注意力单元是给予融合向量足够的关注度，使其关注到文本上下文信息以及隐含信息；注意力胶囊单元是将低层次的融合向量即为低层次胶囊映射为高层次语义胶囊。

4.根据权利要求2所述的基于胶囊网络的多语言情感分类装置，其特征在于，情感分类模块（750）包括：将注意力胶囊特征抽取模块（740）输出的高层次语义胶囊经全连接层，最后输入归一化层输出情感分类结果，所述全连接层将输出的高层次语义胶囊映射至低维向量空间获取到高层次语义胶囊的特征信息；归一化层将全连接层的输出进行分类，能将一个n维的向量进行压缩，使得每一个元素的范围都处于0到1之间，并且保证每个元素的和为1。

5.一种存储器，其特征在于，存储多条指令，所述指令用于实现如权利要求1所述的方法。

6.一种电子设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器，所述存储器存储多条指令，所述指令可被所述处理器加载并执行，以使所述处理器能够执行如权利要求1所述的方法。