[发明专利]短文本情感分析方法及装置

权利要求书

1.一种短文本情感分析方法，其特征在于，所述方法包括：

获取将短文本信息输入至预设的LSTM网络所得的向量序列，以及所述短文本信息的背景信息；

依据所述向量序列、背景信息和预设的Attention模型，获取所述短文本信息中各单词与各背景信息对应的注意力值，进而得到每个单词的注意力权重；

依据所述向量序列和注意力权重，构建所述短文本信息对应的新的文本向量；

将所述新的文本向量映射到情感评估空间，并采用softmax函数对映射到所述情感评估空间的文本向量进行情感评估，得到各预设的情感极性的预测概率。

2.根据权利要求1所述的方法，其特征在于，“获取所述短文本信息中各单词与各背景信息对应的注意力值”的步骤具体包括按照下式所示的方法计算所述短文本信息中第i个单词与第k个背景信息bkg^k对应的注意力值具体为：

其中，所述h_i为所述向量序列中第i个单词对应的向量；所述N为短文本信息所包含的单词总数；所述e(h_i,bkg^k)为得分函数，且所述V、和均为预设的权值矩阵，所述b为偏置向量。

3.根据权利要求2所述的方法，其特征在于，

所述单词的注意力权重如下式所示：

其中，所述α_i为第i个单词的注意力权重，所述M为背景信息的总数。

4.根据权利要求1-3任一项所述的方法，其特征在于，“依据所述预测结果和注意力权重，构建所述短文本信息对应的新的文本向量”的步骤具体包括按照下式所示的方法构建所述新的文本向量s，具体为：

其中，所述α_i为第i个单词的注意力权重，所述h_i为所述向量序列中第i个单词对应的向量，所述N为短文本信息所包含的单词总数。

5.根据权利要求4所述的方法，其特征在于，

所述映射到情感评估空间的文本向量如下式所示：

其中，所述为文本向量s映射到第c类情感评估空间的文本向量，所述W_c为权值矩阵，所述b_c为偏置向量。

6.根据权利要求5所述的方法，其特征在于，

所述预设的情感极性的预测概率如下式所示：

其中，所述p_c为第c类情感极性的预测概率，所述A为情感极性的类型总数。

7.一种短文本情感分析装置，其特征在于，所述装置包括：

第一数据获取模块，配置为获取将短文本信息输入至预设的LSTM网络所得的向量序列，以及所述短文本信息的背景信息；

第二数据获取模块，配置为依据所述第一数据获取模块所获取的向量序列、背景信息和预设的Attention模型，获取所述短文本信息中各单词与各背景信息对应的注意力值，进而得到每个单词的注意力权重；

文本向量构建模块，配置为依据所述第一数据获取模块所获取的向量序列和所述第二数据获取模块所获取的注意力权重，构建所述短文本信息对应的新的文本向量；

文本向量评估模块，配置为将所述文本向量构建模块所构建的新的文本向量映射到情感评估空间，并采用softmax函数对映射到所述情感评估空间的文本向量进行情感评估，得到各预设的情感极性的预测概率。

8.根据权利要求7所述的装置，其特征在于，

所述第二数据获取模块包括注意力值计算单元；所述注意力计算单元，配置为按照下式所示的方法计算所述短文本信息中第i个单词与第k个背景信息bkg^k对应的注意力值具体为：

其中，所述h_i为所述向量序列中第i个单词对应的向量；所述N为短文本信息所包含的单词总数；所述e(h_i,bkg^k)为得分函数，且所述V、和均为预设的权值矩阵，所述b为偏置向量。