[发明专利]一种观点抽取方法、装置及设备

权利要求书

1.一种观点抽取方法，其特征在于，包括：

获取待分析文本；

基于预先训练的长短期记忆网络LSTM模型，确定所述待分析文本中的观点实体；其中，所述观点实体包括评价对象和评价词，所述LSTM模型是根据带有观点实体标记的多个训练样本训练得到的；

通过预设启发式规则，建立所述评价对象与所述评价词之间的关联，以确定所述待分析文本对应的观点。

2.根据权利要求1所述的方法，其特征在于，所述通过预设启发式规则，建立所述评价对象与所述评价词之间的关联，包括：

针对各个评价对象，计算该评价对象分别与各个评价词之间的距离；

确定所有所述距离中的最小距离；

确定所述最小距离对应的评价词为目标评价词；

建立该评价对象与所述目标评价词之间的关联。

3.根据权利要求1所述的方法，其特征在于，预先训练所述LSTM模型的步骤，包括：

获取多个训练样本；

针对每个训练样本，将该训练样本输入至预设LSTM模型，对所述预设LSTM模型进行训练，得到训练好的LSTM模型，其中，该训练样本中词语带有观点实体标记。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述观点实体标记包括通过序列标注方式进行标注的标记。

5.根据权利要求1至3任一项所述的方法，其特征在于，在所述获取待分析文本之后，所述方法还包括：

过滤所述待分析文本中的观点无关内容，得到过滤后待分析文本；

所述基于预先训练的长短期记忆网络LSTM模型，确定所述待分析文本中的观点实体的步骤，包括：

基于所述LSTM模型，确定所述过滤后待分析文本中的观点实体。

6.一种观点抽取装置，其特征在于，包括：

第一获取模块，用于获取待分析文本；

确定模块，用于基于预先训练的长短期记忆网络LSTM模型，确定所述待分析文本中的观点实体；其中，所述观点实体包括评价对象和评价词，所述LSTM模型是根据带有观点实体标记的多个训练样本训练得到的；

建立模块，用于通过预设启发式规则，建立所述评价对象与所述评价词之间的关联，以确定所述待分析文本对应的观点。

7.根据权利要求6所述的装置，其特征在于，所述建立模块，包括：

计算子模块，用于针对各个评价对象，计算该评价对象分别与各个评价词之间的距离；

第一确定子模块，用于确定所有所述距离中的最小距离；

第二确定子模块，用于确定所述最小距离对应的评价词为目标评价词；

建立子模块，用于建立该评价对象与所述目标评价词之间的关联。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第二获取模块，用于获取多个训练样本；

训练模块，用于针对每个训练样本，将该训练样本输入至预设LSTM模型，对所述预设LSTM模型进行训练，得到训练好的LSTM模型，其中，该训练样本中词语带有观点实体标记。

9.根据权利要求6至8任一项所述的装置，其特征在于，所述观点实体标记包括通过序列标注方式进行标注的标记。

10.根据权利要求6至8任一项所述的装置，其特征在于，所述装置还包括，过滤模块，用于在所述获取待分析文本之后，过滤所述待分析文本中的观点无关内容，得到过滤后待分析文本；

所述确定模块，具体用于基于所述LSTM模型，确定所述过滤后待分析文本中的观点实体。

11.一种观点抽取设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。