[发明专利]一种基于方面依赖的记忆网络的情感极性检测方法

摘要

本发明公开了一种基于方面依赖的记忆网络的情感极性检测方法，该方法利用GRU网络对句子中的各个方面进行同时分类，并对它们相应的句子表示进行时间依赖处理，从而达到情感极性的检测；通过使用基于注意力的GRU网络将一个句子连同其所有方面项，生成相对于每个方面的句子感知表示向量，以此获得面向方面的特征，并将多个感知方面句子表示向量放入第二个GRU神经网络，将输出与生成的目标方面表示向量放入注意力层进行计算，并放入第三个GRU神经网络，将计算后的结果与第三个GRU网络的输出进行计算后与生成的目标方面表示向量相加，使用softmax分类器预测其情感极性，在SemEval 2014 ABSA数据集上评估我们的模型。

主权项

1.一种基于方面依赖的记忆网络的情感极性检测方法，其特征在于，包括以下步骤：步骤1：收集数据集文档，将数据集按主题分为宾馆评论与笔记本电脑评论两类；将标签定义为三类，按照数据集中数据的分布将数据分为训练集与测试集，将训练组与测试组中的标签集转化为one‑hot向量；步骤2：对训练组与测试组进行文本预处理：使用Glove模型将训练组与测试组中的方面内容训练成方面向量，并使用Glove模型将每个句子中的每个单词训练成词向量，将一个句子中的多个词向量分别与多个方面向量进行连接后放入GRU网络，后将输出通过注意力层得到一个句子的多个方面感知句子表示向量，同时生成目标方面表示向量；步骤3：将得到的多个方面感知句子表示向量放入第二个GRU网络，将输出与目标方面表示向量相乘后放入注意力层，将多个方面的感知句子表示向量放入第三个GRU神经网络，将该神经网络的输出与注意力层的输出相乘后再与目标方面表示向量相加，相加之后进行分类，最后对该整体的神经网络模型进行训练，不断修改参数直至分类效果达到最优。