[发明专利]一种情感分析方法、装置、存储介质及终端设备

权利要求书

1.一种情感分析方法，其特征在于，包括：

获取待进行情感分析的目标数据；

对所述目标数据进行分词处理，获取与所述目标数据对应的初始词向量集合；

根据所述初始词向量集合确定所述目标数据中待分析目标对应的目标向量；

将所述初始词向量集合及所述目标向量输入至预先训练的情感分析模型中，根据所述情感分析模型的输出结果，确定所述待分析目标的情感极性；其中，所述情感分析模型基于多层卷积神经网络训练生成；

所述将所述初始词向量集合及所述目标向量输入至预先训练的情感分析模型中，根据所述情感分析模型的输出结果，确定所述待分析目标的情感极性，包括：

以预先训练的情感分析模型中的第一中间层为当前中间层，将所述初始词向量集合及所述目标向量输入至当前中间层，根据所述目标向量确定所述初始词向量集合对应的上下文向量，根据所述上下文向量及所述目标向量更新所述目标向量，并将更新后的目标向量作为输入下一中间层的目标向量；对所述初始词向量集合进行卷积操作以更新所述初始词向量集合，并将更新后的初始词向量集合作为输入下一中间层的初始词向量集合；并将下一中间层作为新的当前中间层；

重复上述操作，直至得到所述情感分析模型中最后一个中间层输出的目标向量，并将最后一个中间层输出的目标向量输入至全连接层和softmax层，得到所述待分析目标的情感极性。

2.根据权利要求1所述的方法，其特征在于，根据所述目标向量确定所述初始词向量集合对应的上下文向量，包括：

根据所述目标向量确定所述初始词向量集合中各个初始词向量对应的注意力系数；

根据所述初始词向量集合中各个向量及所述各个初始词向量对应的注意力系数计算所述初始词向量集合对应的上下文向量。

3.根据权利要求2所述的方法，其特征在于，根据所述目标向量确定所述初始词向量集合中各个初始词向量对应的注意力系数，包括：

根据如下公式计算各个初始词向量对应的注意力系数：

其中，α_i表示初始词向量集合中第i个初始词向量对应的注意力系数，g_i表示初始词向量集合中第i个初始词向量基于语义的注意力系数，g_j表示初始词向量集合中第j个初始词向量基于语义的注意力系数，loc_i表示初始词向量集合中第i个初始词向量基于位置的注意力系数，loc_j表示初始词向量集合中第j个初始词向量基于位置的注意力系数，W_att∈R^1×2d，b_att∈R^1×1，W_att表示情感分析模型中各个中间层的网络权重，b_att表示情感分析模型中各个中间层的网络偏置，n表示目标数据的长度，m_i表示第i个初始词向量距离待分析目标的距离，p表示情感分析模型中的网络参数，l＝1,2,......,L，表示第l个中间层，L表示情感分析模型中中间层的层数；表示更新前的目标向量；

相应的，根据所述初始词向量集合中各个向量及所述各个初始向量对应的注意力系数计算所述初始词向量集合对应的上下文向量，包括：

根据如下公式计算所述初始词向量集合对应的上下文向量：

其中，x_att^l表示输入至第l个中间层的初始词向量集合对应的上下文向量，表示输入至第l个中间层的初始词向量集合中的第i个初始词向量。

4.根据权利要求1所述的方法，其特征在于，根据所述上下文向量及所述目标向量更新所述目标向量，包括：

对所述目标向量进行线性变换；

对所述上下文向量及经过线性变换后的目标向量进行求和运算，以更新所述目标向量。