[发明专利]细粒度情感分析模型构建方法、设备及可读存储介质

权利要求书

1.一种细粒度情感分析模型构建方法，其特征在于，所述细粒度情感分析模型构建方法包括以下步骤：

当获取到第一预设数量的待训练分句后，对所述待训练分句进行分词操作，并为分词后所述待训练分句中的各个词语添加词性标签；

在所述待训练分句中获取第二预设数量的属性词和情感词，为所述属性词添加属性词标签，为所述情感词添加情感词标签，确定各个所述待训练分句对应的词性序列；

根据含有所述属性词标签和/或所述情感词标签的词性序列挖掘目标规则，并根据所述目标规则提取所述待训练分句中的属性词集合和情感词集合，其中，所述目标规则基于类序列规则在所述词性序列中挖掘得到；

根据所述情感词集合中的各个情感词对应为所述属性词集合中的属性词添加情感类别标签；

将所述属性词集合中各个属性词和各个属性词对应的上下文信息进行向量化表示，得到所述属性词和所述上下文信息对应的词向量；

将所述属性词和所述上下文信息对应的词向量作为注意力机制的多层神经网络的输入，将与所述属性词对应的情感类别标签作为所述注意力机制的多层神经网络的输出结果，以构建细粒度情感分析模型。

2.如权利要求1所述的细粒度情感分析模型构建方法，其特征在于，所述将所述属性词和所述上下文信息对应的词向量作为所述注意力机制的多层神经网络的输入，将与所述属性词对应的情感类别标签作为所述注意力机制的多层神经网络的输出结果，以构建细粒度情感分析模型的步骤之后，还包括：

获取第三预设数量的待测试分句，根据所述目标规则提取所述待测试分句中的属性词；

将各个待测试分句的属性词和对应的上下文信息进行向量化表示后输入所述细粒度情感分析模型中，对应得到所述待测试分句属性词的情感类别标签；

将所述待测试分句属性词的情感类别标签对应与所述待测试分句属性词的预设情感类别标签进行对比，根据对比所得的对比结果确定所述细粒度情感分析模型分析文本情感类型的准确率。

3.如权利要求1所述的细粒度情感分析模型构建方法，其特征在于，所述当获取到第一预设数量的待训练分句后，对所述待训练分句进行分词操作，并为分词后所述待训练分句中的各个词语添加词性标签的步骤包括：

当获取到第一预设数量的待训练分句后，去掉所述待训练分句中的无关字符和停用词，并通过分词算法对所述待训练分句进行分词操作，得到分词后的待训练分句；

为分词后的所述待训练分句的各个词语添加词性标签。

4.如权利要求1所述的细粒度情感分析模型构建方法，其特征在于，所述确定各个所述待训练分句对应的词性序列的步骤包括：

检测所述待训练分句是否携带所述属性词标签和所述情感词标签；

若所述待训练分句携带所述属性词标签和所述情感词标签，则将所述属性词标签替换所述待训练分句中的属性词，以及将所述情感词标签替换所述待训练分句中的情感词，并根据所述待训练分句中各个词语对应的词性标签、属性词标签和情感词标签对应组合成所述待训练分句的词性序列；

若所述待训练分句未携带所述属性词标签和所述情感词标签，则根据所述待训练分句中各个词语对应的词性标签组合成所述待训练分句的词性序列。

5.如权利要求1所述的细粒度情感分析模型构建方法，其特征在于，所述根据含有所述属性词标签和/或所述情感词标签的词性序列挖掘目标规则的步骤包括:

确定所述词性序列中含有所述属性词标签和/或所述情感词标签的目标词性序列；

计算所述目标词性序列中符合同一规则的第一序列数量，在所述词性序列中确定除所述目标词性序列外，符合待确定规则的第二序列数量，其中，所述待确定规则为所述第一序列数量中所述目标词性序列符合的规则；

根据所述词性序列中的总序列数量和所述第一序列数量计算得到支持度，根据所述第二序列数量和所述第一序列数量计算得到置信度；

若所述支持度大于或者等于预设支持度阈值，且所述置信度大于或者等于预设置信度阈值，则将所述待确定规则作为目标规则。