[发明专利]一种基于双通道图卷积网络的方面情感分析方法

权利要求书

1.一种基于双通道图卷积网络的方面情感分析方法，其特征在于，包括以下步骤：

S1：获取待分析的目标文本；

S2：将目标文本输入经过预先训练的方面情感分析模型中；

所述方面情感分析模型首先对目标文本进行文本编码，生成文本语义表示；然后基于目标文本构建文本序列图和增强句法依赖图，并基于两种图的结构信息进行建模；再通过多层的CoGCN以相互增强的方式融合两种图的结构信息，生成文本结构表示；最后分别从文本语义表示和文本结构表示中获取句子表示，合并生成最终的特定方面句子表示；

S3：基于特定方面句子表示生成情感标签上的预测概率分布，即为目标文本的方面情感分析结果。

2.如权利要求1所述的基于双通道图卷积网络的方面情感分析方法，其特征在于，通过如下步骤生成文本语义表示：

S201：将目标文本经过预训练词嵌入矩阵，得到对应的词嵌入表示矩阵；

S202：在目标文本中引入绝对距离，得到对应的位置序列；

S203：随机初始化位置的嵌入查询表，将位置序列映射到位置嵌入矩阵；

S204：通过双向LSTM学习目标文本中每个单词的嵌入表示，生成文本语义表示；

其中，单词的嵌入表示通过词嵌入表示和位置嵌入表示拼接得到。

3.如权利要求2所述的基于双通道图卷积网络的方面情感分析方法，其特征在于：

文本语义表示

其中，

预训练词嵌入矩阵：

词嵌入表示矩阵：

位置序列：(a₁,…,a_τ+1,…,a_τ+m,…,a_n)

位置嵌入矩阵：

式中：分别是前向和后向LSTM的表示；d_w＝d_e+d_a；[；]表示拼接操作。

4.如权利要求2所述的基于双通道图卷积网络的方面情感分析方法，其特征在于，通过如下步骤生成文本结构表示：

S211：基于目标文本构建对应的文本序列图和增强句法依赖图；

S212：通过文本语义表示初始化文本序列图和增强句法依赖图的节点表示；

S213：通过文本序列结构通道和增强依赖结构通道从文本序列图和增强句法依赖图中获取对应的顺序结构信息和句法依赖结构信息并进行建模；

S214：CoGCN通过协同注意力整合顺序结构信息和句法依赖结构信息，计算和更新文本序列图和增强句法依赖图的表示；

S215：通过门控机制融合文本序列图和增强句法依赖图的表示，生成文本结构表示。

5.如权利要求4所述的基于双通道图卷积网络的方面情感分析方法，其特征在于：步骤S211中，构建增强句法依赖图时，基于全局共现信息引入单词之间正相关信息，以丰富句法依赖结构。