[发明专利]短文本情感分析方法及装置

说明书

本发明涉及文本挖掘技术领域，具体提供了一种短文本情感分析方法及装置，旨在解决如何在考虑背景信息的情况下对短文本进行情感挖掘，以提高情感挖掘准确性的技术问题。为此目的，本发明中的方法包括：获取将短文本信息输入至LSTM网络所得的向量序列，及其背景信息；依据向量序列、背景信息和预设的Attention模型，获取单词的注意力权重；依据向量序列和注意力权重，构建短文本信息对应的新的文本向量；对新的文本向量进行情感评估。同时，本发明中的装置可以执行上述方法。本发明的技术方案，通过获取与背景信息相关的注意力权重，并基于该注意力权重构建新的文本向量，结合了短文本实际内容与背景信息，从而可以更加准确地分析短文本的情感极性。

技术领域

本发明涉及文本挖掘技术领域，具体涉及一种短文本情感分析方法及装置。

背景技术

文本情感分析是一种挖掘文本所表达情感或观点的文本挖掘技术。具体地，针对网络短评等短文本的情感分析方法主要包括基于情感词典的文本挖掘方法、基于传统机器学习的文本挖掘方法和基于深度学习的文本挖掘方法。

其中，基于情感词典的文本挖掘方法主要包括下述步骤：寻找短文本中的情感词，通过情感词典确定该情感词的极性，然后对该情感词的周围词语进行关联分析，以此确定该短文本的情感。上述方法受制于情感词典的限制，仅适于语法单一的短文本，而不能处理语法复杂或特定领域的短文本。

基于传统机器学习的文本挖掘方法主要包括下述步骤：首先选择并提取特征，然后构建特征向量，最后构建分类器。上述方法虽然具备扩展性强的优点，但是对特征选择的依赖性较高，且忽略了语义的信息，因此也不适用于处理语法复杂的短文本。

基于深度学习的文本挖掘方法主要包括下述步骤：通过构建LSTM或CNN等深度学习模型，对短文本进行建模。上述方法虽然对特征选取的依赖性较低，且在一定程度上考虑了浅层语义信息，但是仍然忽略了大量的背景信息，降低了短文本情感挖掘的准确性。

发明内容

为了解决现有技术中的上述问题，即为了解决如何在考虑背景信息的情况下对短文本进行情感挖掘，以提高情感挖掘准确性的技术问题，本发明提供了一种短文本情感分析方法及装置。

在第一方面，本发明中的短文本情感分析方法包括：

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。

进一步地，本发明提供的一个优选技术方案为：

“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：

进一步地，本发明提供的一个优选技术方案为：

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。

进一步地，本发明提供的一个优选技术方案为：

所述单词的注意力权重如下式所示：