[发明专利]一种方面级情感分析方法及装置

说明书

本说明书一个或多个实施例提供一种方面级情感分类方法及装置，包括：对评论语句进行编码处理，生成句子对向量和评论向量；对预定方面类别进行编码处理，生成方面类别向量；将所述评论向量输入预先训练的评论特征提取模型中，得到评论特征向量；根据所述评论特征向量和所述方面类别向量，生成动态方面向量；根据所述目标实体向量、上下文向量和动态方面向量，生成具有语义关系的评论向量；将所述句子对向量和所述具有语义关系的评论向量输入情感分类器，得到预测的情感极性。本实施例的方法能够提高情感预测的准确性。

技术领域

本说明书一个或多个实施例涉及自然语言处理技术领域，尤其涉及一种方面级情感分析方法及装置。

背景技术

随着人工智能技术的发展，从包含情感词的文本中挖掘出表达者所表达的情感，从而完成情感分析任务，具有广泛的应用场景，例如，商品评论分析、影评分析、热点事件观点分析等。方面级情感分析任务能够挖掘细粒度的情感表达，实现更为准确完整的情感分析，然而，目前的方面级情感分析方法存在动态方面表示不充分、上下文特征学习不全面的问题。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种方面级情感分析方法及装置。

基于上述目的，本说明书一个或多个实施例提供了一种方面级情感分类方法，包括：

对评论语句进行编码处理，生成句子对向量和评论向量；其中，所述句子对向量中对应评论语句的向量包括目标实体向量和上下文向量；

对预定方面类别进行编码处理，生成方面类别向量；

将所述评论向量输入预先训练的评论特征提取模型中，得到评论特征向量；

根据所述评论特征向量和所述方面类别向量，生成动态方面向量；

根据所述目标实体向量、上下文向量和动态方面向量，生成具有语义关系的评论向量；

将所述句子对向量和所述具有语义关系的评论向量输入情感分类器，得到预测的情感极性。

可选的，所述对评论语句进行编码处理之前，还包括：

对于所述评论语句中的每个词，检索预定数量的相关概念词；

根据所述相关概念词，构建解释语句；

根据所述评论语句和所述解释语句，生成扩展后的评论语句。

可选的，所述对评论语句进行编码处理，生成句子对向量和评论向量，包括：

利用预设的编码模型对所述扩展后的评论语句进行编码处理，得到所述评论向量；

根据所述评论语句中的目标实体和方面类别构造至少一个辅助句；

将所述评论语句和至少一个辅助句拼接为句子对；

利用所述编码模型对所述句子对进行编码处理，得到所述句子对向量。

可选的，根据所述评论特征向量和所述方面类别向量，生成动态方面向量，包括：

按照预设的动态比例系数，将所述评论特征向量和所述方面类别向量进行加权求和，得到所述动态方面向量。

可选的，根据所述目标实体向量、上下文向量和动态方面向量，生成具有语义关系的评论向量，包括：

根据所述目标实体向量和所述上下文向量，生成目标实体与上下文相互关注的第一评论向量；

根据所述第一评论向量和所述动态方面向量，生成所述具有语义关系的评论向量。

可选的，根据所述目标实体向量和所述上下文向量，生成目标实体与上下文相互关注的第一评论向量，包括：