[发明专利]方面级情感分析方法、装置、电子设备及存储介质在审
申请号: | 202210742644.2 | 申请日: | 2022-06-28 |
公开(公告)号: | CN115017916A | 公开(公告)日: | 2022-09-06 |
发明(设计)人: | 曾碧卿;陈鹏飞;周斯颖 | 申请(专利权)人: | 华南师范大学 |
主分类号: | G06F40/30 | 分类号: | G06F40/30;G06F40/289;G06N3/04;G06N3/08 |
代理公司: | 广州骏思知识产权代理有限公司 44425 | 代理人: | 张金龙 |
地址: | 528225 广东省佛山市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 方面 情感 分析 方法 装置 电子设备 存储 介质 | ||
1.一种方面级情感分析方法,其特征在于,包括步骤:
获取待分析的目标文本及目标方面词;
对所述目标文本中的第i个词进行掩码标记后,将所述目标文本输入预训练语言模型获取第i个词的第一向量表示;对所述目标文本中的第i个词和第j个词共同进行掩码标记后,将所述目标文本输入预训练语言模型获取第i个词的第二向量表示;根据所述第一向量表示和所述第二向量表示计算第i个词与第j个词间的影响值,根据所述目标文本中每两个词间的所述影响值构建影响矩阵;从所述影响矩阵中提取依赖树;根据所述依赖树和所述目标方面词获得所述目标文本的局部上下文特征;
将所述目标文本和所述目标方面词共同输入词嵌入模型,得到全局词嵌入向量;
将所述全局词嵌入向量和所述局部上下文特征进行特征融合,得到融合特征;
根据所述融合特征进行预测,得到所述目标方面词在所述目标文本中的极性。
2.根据权利要求1所述的方法,其特征在于,根据所述依赖树和所述目标方面词获得所述目标文本的局部上下文特征,包括步骤:
根据所述依赖树获取所述目标文本中每个词与所述目标方面词间的接近度值,确定最大的所述接近度值为动态阈值,根据所述动态阈值通过上下文动态掩码或上下文动态加权确定动态局部特征,确定所述动态局部特征为局部上下文特征。
3.根据权利要求1所述的方法,其特征在于,根据所述依赖树和所述目标方面词获得所述目标文本的局部上下文特征,包括步骤:
根据所述依赖树获取所述目标文本中每个词与所述目标方面词间的接近度值,确定最大的所述接近度值为动态阈值,根据所述动态阈值通过上下文动态掩码或上下文动态加权确定动态局部特征;
根据所述依赖树在所述目标文本中提取所述目标方面词的依赖集群和被依赖集群,其中所述依赖集群为所述目标方面词的依赖词的集合,所述被依赖集群为所述目标方面词的被依赖词的聚合;
将所述动态局部特征分别与所述依赖集群、所述被依赖集群进行融合,得到局部依赖特征和局部被依赖特征;
根据所述局部依赖特征和所述局部被依赖特征得到局部上下文特征。
4.根据权利要求3所述的方法,其特征在于,根据所述依赖树和所述目标方面词获得所述目标文本的局部上下文特征,还包括步骤:提取所述目标文本中每个词的词性特征,并将所述词性特征与所述动态局部特征进行融合,得到局部词性特征;
将所述动态局部特征分别与所述依赖集群、所述被依赖集群进行融合,得到局部依赖特征和局部被依赖特征后,还包括步骤:在局部依赖特征和局部被依赖特征中分别加入局部词性特征。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南师范大学,未经华南师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210742644.2/1.html,转载请声明来源钻瓜专利网。