申请/专利权人：西安邮电大学

申请日：2022-04-29

公开（公告）日：2024-06-25

公开（公告）号：CN114791950B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/211;G06F40/242;G06F40/30;G06F18/25;G06N3/0464;G06N3/08;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.08.12#实质审查的生效;2022.07.26#公开

摘要：本公开实施例是关于一种基于词性位置与图卷积网络的方面级情感分类方法及装置。该方法包括以下步骤：根据单词的词性位置信息获得所述单词所在的句子文本的词向量表示；为每个目标句子生成融合词性位置信息和图卷积网络信息的增强句法依存树；通过学习方面词与上下文之间的交互信息，实现情感分类。本公开实施例解决了处理文本情感分析任务时忽视单词的词性位置信息以及方面词与上下文的交互信息学习不足等问题；本方法综合了词性位置信息和图卷积网络的优势，进一步提升了方面级情感分类效果，具有更为理想的文本情感分析准确率。

主权项：1.基于词性位置与图卷积网络的方面级情感分类方法，其特征在于，所述方法包括以下步骤：根据单词的词性位置信息获得所述单词所在的句子文本的词向量表示；为每个目标句子生成融合词性位置信息和图卷积网络信息的增强句法依存树；通过学习方面词与上下文之间的交互信息，实现情感分类；所述根据单词的词性位置信息获得所述单词所在的句子文本的词向量表示，包括：计算单词间的相对距离向量；根据方面词的相对距离向量计算出各单词的词性位置权重；将句子文本中的单词映射到低维向量空间，获得句子的词向量表示；所述为每个目标句子生成融合词性位置信息和图卷积网络信息的增强句法依存树，包括：对目标句子上下文的语义特征进行提取；利用句法依存树构建邻接矩阵；利用相对距离向量构造与所述邻接矩阵相对应的词性位置权重矩阵；为每个句子文本生成增强句法依存树；所述对目标句子上下文的语义特征进行提取，包括：利用双向长短期记忆网络模型对目标句子上下文的语义特征进行提取；所述通过学习方面词与上下文之间的交互信息，实现情感分类，包括：通过掩码机制和交互注意力机制学习方面词与上下文之间的交互信息，实现情感分类；所述通过学习方面词与上下文之间的交互信息，实现情感分类，包括：采用图卷积网络将句法信息以及词性位置信息的信息特征进行融合，获得句子文本的多信息特征表示；采用掩码机制对非方面词信息进行屏蔽，同时保持方面词信息不变；采用交互式注意力来捕捉上下文中的重要情感特征，为上下文单词设置基于交互的注意力权重；对特征表示进行计算得出情感分类结果；所述对特征表示进行计算得出情感分类结果，包括：采用归一化指数函数计算情感类别空间中的概率分布；将各个情感极性预测值的归一化结果的最大值所对应的情感极性标签作为最终的情感分类结果。

全文数据：

权利要求：

百度查询： 西安邮电大学 基于词性位置与图卷积网络的方面级情感分类方法及装置

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