[发明专利]基于强化依赖图的方面情感分类方法

说明书

本发明涉及方面情感分类技术领域，具体涉及基于强化依赖图的方面情感分类方法，包括：获取待分类评论文本；学习待分类评论文本的方面词信息和句法依赖关系，生成对应的强化依赖图；基于强化依赖图融合方面词信息与句法信息和远距离单词之间的依赖关系，然后计算每个上下文信息与方面词信息相关的注意力权重，并得到对应的文本最终表示；基于所述文本最终表示进行方面情感分类，并将对应的分类结果作为待分类评论文本的方面情感分类结果。本发明中的方面情感分类方法能够克服噪音信息影响并保证分类准确性，从而提高方面情感分类的效果。

技术领域

本发明涉及方面情感分类技术领域，具体涉及基于强化依赖图的方面情感分类方法。

背景技术

商品评论，是买家购买商品的主要参考信息，也是卖家挖掘商品不足从而进行改进的重要依据，简单分析用户对商品整体的评价已经无法满足需求，针对不同方面挖掘用户更细腻的情感倾向，已经成为研究人员关注的热点。其中，方面情感分类(aspect-basedsentiment classification,ABSC)作为情感分类的子任务，其旨在挖掘文本在不同方面表达的更细腻的情感倾向，可以有效地帮助人们了解商品评论在不同方面的情感倾向。方面情感分类的核心任务是在文本中找到与方面相匹配的情感表达。

基于方面的情感分类任务是预测文本中一个或者多个方面的情感极性，方面是指句子中的实体，包括具体事物(食物，计算机等)或抽象事物(环境、氛围等)。情感极性表示句子表达的对方面的情感倾向，例如积极(positive)、中性(neutral)和消极(negative)等。针对现有基于注意力模型的方面情感分类方法容易丢失重要信息，以及上下文单词和句子中方面之间的句法依赖性不足等问题，公开号为CN112347248A的中国专利公开了《一种方面级文本情感分类方法及系统》，其包括：根据获取的句子文本的局部特征向量提取句子文本的长距离依赖特征，得到句子文本的上下文特征表示；根据句子文本的上下文特征表示构建句子文本中单词间的句法依赖关系，得到句子文本的方面级特征表示；构建基于依存树的图注意力神经网络，根据句子文本的方面级特征表示得到文本的方面级情感类别。

上述现有方案中的方面级文本情感分类方法采用卷积神经网络提取句子中的局部特征信息，利用双向长短时记忆网络学习卷积神经网络池化后的特征，获取句子的上下文信息，能够在一定程度上提高情感分类的性能。但是，现有方案对句法依赖关系(句法依赖树)的准确率要求较高，而句法依赖树不可避免的会包含与方面情感分类无关的噪音信息，噪音信息具体可分为两种：一是与方面无关的噪音信息；二是与任务无关的噪音信息。这些噪音信息会干扰方面特征的提取和生成，使得方面词与其对应的关键情感信息距离很远，导致方面情感分类时的注意力分散，进而导致方面情感分类的准确性低。因此，如何设计一种能够克服噪音信息影响并保证分类准确性的方面情感分类方法是亟需解决的技术问题。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够克服噪音信息影响并保证分类准确性的方面情感分类方法，从而提高方面情感分类的效果。

为了解决上述技术问题，本发明采用了如下的技术方案：

基于强化依赖图的方面情感分类方法，包括以下步骤：

S1：获取待分类评论文本；

S2：学习待分类评论文本的方面词信息和句法依赖关系，并生成对应的强化依赖图；

S3：基于强化依赖图融合方面词信息与句法信息和远距离单词之间的依赖关系，然后计算每个上下文信息与方面词信息相关的注意力权重，并得到对应的文本最终表示；

S4：基于所述文本最终表示进行方面情感分类，并将对应的分类结果作为待分类评论文本的方面情感分类结果。

优选的，步骤S2中，通过如下步骤生成强化依赖图：

S201：对待分类评论文本X进行词嵌入，得到对应的词嵌入表示H^w；