[发明专利]一种基于情感词典的情感增强装置

说明书

一种基于情感词典的情感增强装置，其特征在于：包括功能模块如下：第一功能模块是数据抓取和存储，在本服务器上采取数据抓取方式，情感词典的情感词语与其情感标签；第二功能模块是构造知识图谱三元组；第三功能模块是获得情感增强向量矩阵；第四功能模块是获得预测的情感标签；第五功能模块是训练情感增强向量；第六功能模块是获得情感增强后的词向量，提取出所述训练好的情感增强矩阵R’，并与所述词向量矩阵X相加，得到所述情感增强后的词向量E。

技术领域

本发明涉及人工智能领域，具体为一种基于情感词典的情感增强装置。

背景技术

现有的词嵌入技术包括但不限于Word2Vec，GloVe，ELMo，BERT，GPT等。这些模型都能够实现根据句子中的语义与句法知识为词语赋值一个词向量。但是却不能够融入情感信息到词向量中。

SAWE模型通过一个MLP将词向量映射到其情感强度的空间中，TransE通过向量的加法获得了头结点与尾结点之间的映射关系，ERNIE通过将知识图谱引入到BERT中，得到了知识增强的命名实体识别模型，Sent2Vec通过将句子进行句嵌入，并通过MLP的结构能够得到句子到情感的映射关系。

专利号：CN201510917819.9；发明专利名称：构建情感词典的方法及装置；一种构建情感词典的方法，其特征在于，所述方法包括：获取多个待识别的建模语料；从每个待识别的建模语料中，获取至少一个情感特征词；对于任一情感特征词，获取对所述情感特征词的至少两个标注结果，所述至少两个标注结果由发表者及多个接收者标注，每个标注结果对应一个分类情感标签；根据对所述情感特征词的至少两个标注结果，判断所述情感特征词是否满足预设条件；如果所述情感特征词满足所述预设条件，将所述情感特征词加入到情感词典中，所述对于任一情感特征词，获取对所述情感特征词的至少两个标注结果，包括：将所述情感特征词及分类情感标签列表发送至所述发表者所在的移动终端，所述分类情感标签列表中包括多个分类情感标签；接收所述发表者所在移动终端发送的第一标注结果，所述第一标注结果为所述发表者从所述分类情感标签列表中，为所述情感特征词所选取的分类情感标签；将所述情感特征词及所述分类情感标签列表发送至多个接收者所在的移动终端；接收每个接收者所在的移动终端发送的第二标注结果，所述第二标注结果为所述接收者从所述分类情感标签列表中，为所述情感特征词所选取的分类情感标签；将所述第一标注结果及多个第二标注结果作为所述至少两个标注结果。一种构建情感词典的装置，其特征在于，所述装置包括：第一获取模块，用于获取多个待识别的建模语料；第二获取模块，用于从每个待识别的建模语料中，获取至少一个情感特征词；第三获取模块，用于对于任一情感特征词，获取对所述情感特征词的至少两个标注结果，所述至少两个标注结果由发表者及多个接收者标注，每个标注结果对应一个分类情感标签；判断模块，用于根据对所述情感特征词的至少两个标注结果，判断所述情感特征词是否满足预设条件；加入模块，用于当所述情感特征词满足所述预设条件时，将所述情感特征词加入到情感词典中，所述第三获取模块，用于将所述情感特征词及分类情感标签列表发送至所述发表者所在的移动终端，所述分类情感标签列表中包括多个分类情感标签；接收所述发表者所在移动终端发送的第一标注结果，所述第一标注结果为所述发表者从所述分类情感标签列表中，为所述情感特征词所选取的分类情感标签；将所述情感特征词及所述分类情感标签列表发送至多个接收者所在的移动终端；接收每个接收者所在的移动终端发送的第二标注结果，所述第二标注结果为所述接收者从所述分类情感标签列表中，为所述情感特征词所选取的分类情感标签；将所述第一标注结果及多个第二标注结果作为所述至少两个标注结果。

由于现有的预训练技术无法很好地将情感信息嵌入到词向量中，导致在进行情感分析的任务时，模型容易判断错误两个语义与句法相似的词语的情感极性；本发明通过训练一个情感增强向量，来构建一种词向量到其情感标签之间的映射关系，通过反向传播来训练该情感增强向量，当训练完成后，通过相加原始词向量与该情感增强向量，即可得到情感增强后的词向量。

发明内容