申请/专利权人：深圳市奥福德电子科技有限公司

申请日：2024-04-02

公开（公告）日：2024-06-18

公开（公告）号：CN118013045B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/30;G06F40/242;G06F40/295;G06F18/25;G06F18/241

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本申请提供了一种基于人工智能的语句情感检测方法。包括：基于情感词典和上下文编码器处理目标语句，生成语义情感张量和上下文张量；通过加性注意力融合这些张量以生成情感增强的上下文向量；通过条件层归一化生成初步词对向量；使用嵌入编码器给语义关系分配向量，通过门控机制融合这些信息以生成第一词对向量；使用线性层将第一词对向量映射为最终的词对向量；基于最终的词对向量进行标签预测，从而确定目标语句中各个方面词对应的情感信息。该方法通过加性注意力机制和门控机制，丰富了单词级别和词间级别的语义信息，从而提高了语句情感检测的全面性和准确性，增强了对有效方面观点词的识别能力。

主权项：1.一种基于人工智能的语句情感检测方法，其特征在于，包括：获取待检测的目标语句；基于情感词典和上下文编码器处理所述目标语句，生成所述目标语句的语义情感张量和上下文张量；通过加性注意力对所述语义情感张量和所述上下文张量进行融合，生成所述目标语句的情感增强的上下文张量；基于所述目标语句的情感增强的上下文张量确定词对向量和语义关系，通过门控机制确定各词对对应的词对向量；基于所述词对向量进行标签预测，确定所述目标语句中各个方面词对应的情感信息；其中，所述方面词用于表示一语句中对应于各情感极性的词语；其中，基于情感词典和上下文编码器处理所述目标语句，生成所述目标语句的语义情感张量和上下文张量，包括：通过情感词典获取所述目标语句中单词的语义情感向量；通过上下文编码器获取所述单词的上下文向量；基于单词的语义情感向量生成所述目标语句的语义情感张量为：；基于单词的上下文向量生成所述目标语句的上下文张量为：；其中，i表示单词标识，n表示单词总数，a表示情感标识，b表示上下文标识；其中，通过加性注意力对所述语义情感张量和所述上下文张量进行融合，生成所述目标语句的情感增强的上下文张量，包括：将所述单词的语义情感向量和所述上下文向量输入加性注意力机制中进行学习，确定分配给每个单词的注意力分数为：；其中，、和表示可学习矩阵；基于所述注意力分数确定所述目标语句中各单词对应的注意力权重为：；其中，和分别代表单词和的注意力分数；基于所述注意力权重和所述单词的上下文向量，进行情感增强处理，生成所述单词的情感增强的上下文向量为：；其中，表示层归一化处理；基于所述单词的情感增强的上下文向量，组合成所述目标语句的情感增强的上下文张量；其中，基于所述目标语句的情感增强的上下文张量确定词对向量和语义关系，包括：基于所述目标语句的情感增强的上下文张量，通过条件层归一化生成最初的词对向量；基于抽象语义表示所述目标语句，生成词对的语义关系；使用嵌入编码器，给每种语义关系分配一个可学习的语义关系向量；具体的，通过条件层归一化生成最初的词对向量为： 上式中，使用单词的生成条件信息，表示为和： 其中，、都是可学习权重矩阵，和都是对应的可学习偏差，表示单词的情感增强的上下文向量；其中，表示逐元素相乘，平均值和标准差的计算如下： 其中，代表单词情感增强的上下文向量中第个维度上的值。

全文数据：

权利要求：

百度查询： 深圳市奥福德电子科技有限公司 基于人工智能的语句情感检测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD