买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明提供一种基于BAGCNN模型的方面级别情感分析方法、系统、存储介质和电子设备，涉及情感分析技术领域。本发明将评论文本序列输入词嵌入层中，基于预先训练的词嵌入模型获取上下文词嵌入矩阵和方面词特征矩阵；将上下文词嵌入矩阵输入注意力自编码层中，基于多头注意力机制，获取关联上下文特征矩阵；将关联上下文特征矩阵输入门控卷积层，采用多种尺寸的卷积核并行计算卷积结果，结合方面词特征矩阵，获取最终的特征矩阵；将最终的特征矩阵输入输出层，基于预先训练的分类器获取对应方面词情感类别的概率值，确定情感类别。在词嵌入过程中将上下文与方面词信息融合，不需要复杂的下游结构提取特征，实现更加准确地挖掘评论文本的各方面真实情感。

主权项：1.一种基于BAGCNN模型的方面级别情感分析方法，其特征在于，所述BAGCNN模型包括词嵌入层、注意力自编码层、门控卷积层和输出层；该方法包括：S1、预处理待分析的评论文本，获取评论文本序列和对应的方面词序列；S2、将所述评论文本序列输入所述词嵌入层中，基于预先训练的词嵌入模型获取上下文词嵌入矩阵；并从所述上下文词嵌入矩阵中提取方面词特征矩阵；S3、将所述上下文词嵌入矩阵输入所述注意力自编码层中，基于多头注意力机制，获取关联上下文特征矩阵；S4、将所述关联上下文特征矩阵输入所述门控卷积层，采用多种尺寸的卷积核并行计算卷积结果，结合所述方面词特征矩阵，获取最终的特征矩阵；S5、将最终的特征矩阵输入所述输出层，基于预先训练的分类器获取对应方面词情感类别的概率值，确定情感类别；所述S2中预先训练的词嵌入模型包括BERT模型；所述S3具体包括：S31、将所述上下文词嵌入矩阵Ec输入所述注意力自编码层中，在单头自注意力计算中，将所述Ec根据参数矩阵进行线性变换，将变换的结果作为放缩点积注意力的Q、K、V输入， 其中，headi表示第i个单头提取的上下文特征矩阵；Attention表示放缩点积函数， 其中，din表示K向量的输入维度；softmax表示激活函数；S32、拼接多个所述单头自注意力计算结果，获取关联上下文特征矩阵Ac，Ac＝[head1；head2；…；headh]Wh3其中，为多头结果拼接后作线性变换所需的参数矩阵，dout表示关联上下文特征矩阵Ac的输出维度；“；”表示拼接操作。

全文数据：

权利要求：

百度查询： 合肥工业大学 基于BAGCNN模型的方面级别情感分析方法和系统