[发明专利]词语情感极性预测方法及其装置、电子设备及存储介质

权利要求书

1.词语情感极性预测方法，其特征在于，所述方法包括：

获取文本数据，所述文本数据包括多个词语；

对所述文本数据进行编码，得到所述词语的词向量；

计算所述词向量之间的关联数据；所述关联数据用于表征两个词语之间的相关联程度；

根据所述关联数据和所述词向量，得到所述词语的上下文信息向量；

将所述上下文信息向量和所述词向量进行拼接，得到所述词语的混合向量；

根据所述混合向量对所述词语进行位置信息预测，得到所述词语的位置信息，并根据所述混合向量对所述词语进行情感极性预测，得到所述词语的情感极性；

根据所述位置信息从所述文本数据中抽取出方面词，并根据所述词语的情感极性确定所述方面词的情感极性。

2.根据权利要求1所述的词语情感极性预测方法，其特征在于，所述计算所述词向量之间的关联数据，包括：

提取所述词语之间的依存句法关系和相对位置关系；

根据所述依存句法关系确定所述词语之间的邻接关系；

根据所述邻接关系、所述词向量和所述相对位置关系计算所述关联数据。

3.根据权利要求2所述的词语情感极性预测方法，其特征在于，所述词语包括第一单词和第二单词，所述词向量包括所述第一单词的第一词向量和所述第二单词的第二词向量，所述相对位置关系包括第一位置关系和第二位置关系，所述根据所述邻接关系、所述词向量和所述相对位置关系计算所述关联数据，包括：

若所述第一单词在所述第二单词的左侧，则根据所述邻接关系、所述第一词向量、所述第二词向量和所述第一位置关系计算所述关联数据；

或者，

若所述第一单词在所述第二单词的右侧，则根据所述邻接关系、所述第一词向量、所述第二词向量和所述第二位置关系计算所述关联数据。

4.根据权利要求3所述的词语情感极性预测方法，其特征在于，所述根据所述邻接关系、所述第一词向量、所述第二词向量和所述第一位置关系计算所述关联数据，包括：

根据所述邻接关系、所述第一词向量、所述第二词向量和所述第一位置关系进行第一注意力评估，得到第一注意力数据；

根据所述邻接关系、所述第一词向量、所述第二词向量和所述第一位置关系进行第二注意力评估，得到第二注意力数据；

根据所述第一注意力数据和所述第二注意力数据得到所述关联数据。

5.根据权利要求1所述的词语情感极性预测方法，其特征在于，所述根据所述关联数据和所述词向量，得到所述词语的上下文信息向量，包括：

提取所述词语之间的依存句法关系；

对所述依存句法关系和所述词向量进行加权计算，得到第一向量；

对所述关联数据和所述第一向量进行加权计算，得到第二向量；

对所述第二向量进行激活处理，得到所述上下文信息向量。

6.根据权利要求1至5任一项所述的词语情感极性预测方法，其特征在于，所述将所述上下文信息向量和所述词向量进行拼接，得到所述词语的混合向量，包括：

计算所述词语的第一重置向量，并根据所述第一重置向量计算第二重置向量；

根据所述第一重置向量对所述词向量进行重置，得到第三向量；

根据所述第二重置向量对所述上下文信息向量进行重置，得到第四向量；

将所述第三向量和所述第四向量进行拼接，得到所述混合向量。

7.根据权利要求6所述的词语情感极性预测方法，其特征在于，所述计算所述词语的第一重置向量，包括；

根据预设的第一重置矩阵对所述词向量进行加权计算，得到第五向量；

根据预设的第二重置矩阵对所述上下文信息向量进行加权计算，得到第六向量；

对所述第六向量进行激活处理，得到所述第一重置向量。