[发明专利]基于多轮机器阅读理解的情感原因对抽取方法

权利要求书

1.基于多轮机器阅读理解的情感原因对抽取方法，其特征在于：包括如下步骤，

步骤一、基于多轮机器阅读理解方法实现对文档情感原因对抽取，利用多轮结构将情感原因对抽取任务分解，在子句层面上构建问题和子句之间的交互，充分利用显式的情感和原因语义信息，通过在子句层面上处理情感原因对抽取任务，缓解子句对层面的标签稀疏性问题，提高对文档情感原因对抽取的效率，并输出初步抽取的文档情感原因对和对应的文档情感原因对的概率；

所述对应的文档情感原因对概率指该子句对是正确的情感原因对的概率，通常为对中第一个子句是情感子句的概率与第二个子句是第一个子句对应的原因子句的概率之积；

步骤二、基于带有反思机制的多轮机器阅读理解方法对抽取的文档情感原因对进行验证；在步骤一的基础之上，加入动态情感抽取任务作为最后一轮，抽取每个原因子句对应的情感子句，充分利用显式的原因语义信息，提高情感原因对抽取任务的F1值；

所述动态情感抽取任务指在动态原因抽取任务的结果基础上，在显式原因语义信息的帮助下，抽取每个原因子句对应的情感子句；

步骤三：将步骤1.2、1.3和2.1的三个损失L^e,L^c,L^r相加得到总损失，使用该损失训练情感原因对抽取模型直至收敛，记下模型参数用于文档情感原因对抽取任务；

步骤四：将步骤三训练后的情感原因对抽取模型输入文档，使用所述模型抽取所有的情感原因对，即基于反思机制的多轮机器阅读理解实现情感原因对抽取。

2.如权利要求1所述的基于多轮机器阅读理解的情感原因对抽取方法，其特征在于：还包括步骤五，将步骤四抽取的情感原因对应用于自然语言处理与机器学习领域，解决相关技术问题；

所述相关技术问题包括智能文本挖掘与服务、社交网络信息挖掘、情绪疏导、舆情监控、工作效率预测。

3.如权利要求2所述的基于多轮机器阅读理解的情感原因对抽取方法，其特征在于：

将模型应用于情绪疏导，根据模型抽取的情感原因对分析目标群体情感状态以及出现这种情感状态的原因，针对影响目标群体心理健康的情感原因对，选择情绪疏导策略，消除对应原因，提高目标群体的心理健康状况；

将模型应用于网络舆情监控，根据模型抽取的情感原因对分析目标舆情的情绪状态，针对影响社会稳定的舆情中的情感原因对，消除对应原因，维持网络舆情积极向上和社会稳定；

将模型应用于工作效率预测，根据模型抽取的情感原因对分析目标工作群体的工作状态，针对影响工作状态的情感原因对消除对应原因，提升目标工作群体的工作状态，进而提高目标工作群体的工作效率。

4.如权利要求3所述的基于多轮机器阅读理解的情感原因对抽取方法，其特征在于：所述各种复杂关系包括情感子句与原因子句一对一、一对多和多对一关系以及情感子句和原因子句距离较远的情况。