[发明专利]句子情感分析方法、装置以及设备

说明书

本申请涉及一种句子情感分析方法、装置、设备以及存储介质，该方法包括：获取待测文本以及与所述待测文本相对应的常识文本，通过词嵌入模型，获取待测文本的句子向量以及常识文本的句子向量；通过双向LSTM神经网络，得到待测文本以及常识文本的隐藏层向量，通过依存句法树，获取待测文本的注意力权重向量，通过神经网络模型，获取位置信息特征、常识信息特征以及句法信息特征，对所述信息特征进行拼接融合，得到待测文本的情感分析结果。与现有技术相比，本申请获取的特征表达不仅考虑了待测文本的上下文信息，还能够引用常识文本，更好地对待测文本进行情感分析，提升了情感分析的准确性。

技术领域

本发明涉及数据分析领域，特别涉及一种句子情感分析方法、装置、设备以及存储介质。

背景技术

如今，人们可以随时通过社交网站、博客或电商平台发表评论以表达他们对各种服务或产品的想法，这些在线评论影响着未来消费者的购买决策，同时也正成为衡量企业质量的重要的标准。为了给企业带来更高的收益，一个更为有效的情感分析方法也越来越被视为一项至关重要的任务。

目前的技术方案，通过采用计算模型分析文本语句中关于某一特定的主题、服务、或产品的观点是正面的、中性的、还是负面的，有针对性对用户的情感进行分析。其中一个重要的解决方案是细粒度情感分类（Aspect-level sentiment classification，ALSC），即利用计算模型分析文本语句中关于某一特定的主题、服务、或产品的观点是正面的、中性的、还是负面的。然而现有的技术方案仅仅关注于在线评论的文本语句的上下文信息，无法准确地对文本语句进行准确的情感分析，降低了文本语句的情感分析效率。

发明内容

基于此，本发明提供一种句子情感分析方法、装置、设备以及存储介质，不仅考虑了待测文本的上下文信息，还能够引用常识文本，更加全面地对待测文本进行情感分析，提升了情感分析的准确性。该技术方法如下：

第一方面，本申请实施例提供了一种句子情感分析方法，包括以下步骤：

获取待测文本以及与所述待测文本相对应的常识文本，其中，所述待测文本包括若干个句子，所述句子中包括若干个方面词；

将所述待测文本输入至词嵌入模型，获取待测文本的方面词的词向量以及位置嵌入向量，将所述待测文本的词向量以及位置嵌入向量进行拼接，获取所述待测文本的句子向量；

根据所述常识文本、待测文本的词向量以及所述词嵌入模型，获取所述常识文本的句子向量；

将所述待测文本的句子向量输入至第一双向LSTM网络中，获取所述待测文本的隐藏层向量；

将所述常识文本的句子向量输入至第二双向LSTM网络中，获取所述常识文本的隐藏层向量；

根据所述待测文本的隐藏层向量以及多头自注意力机制模型中的位置联合注意力算法，获取位置信息特征，其中，所述位置联合注意力算法包括，具体如下：