[发明专利]一种基于词块的观点目标抽取和目标情感分类联合方法及系统

说明书

本发明提出一种基于词块的观点目标抽取和目标情感分类联合方法及系统，具体为：对于每个连续词块，设计词块级别的特征以此来充分利用多个词之间的整体信息；计算每个词块的情感信息而非单独计算每一个词的情感信息，这样保证词块里多个词的情感倾向的一致性。本发明一是通过有效利用多个词整体信息，二是通过为多个词组成的词块计算一个情感信息表示来避免情感不一致的问题，来提升抽取和分类的准确率，具有良好的实用性。

技术领域：

本发明涉及深度学习与自然语言处理技术，具体涉及一种基于词块的观点目标抽取和目标情感分类联合方法及系统。

背景技术：

近年来，互联网信息技术高速发展，新闻、社交等网站每天有海量的新数据产生出来，这些数据中包含着各种各样表达观点或者情感的信息。对这些数据进行观点、立场、态度等的分析，可以帮助人们更好的做出判断以及决策，比如：对商品的评论进行分析，可以了解用户对商品的满意度，从而制定更加合理的营销策略。但是由于互联网上的数据量以几何倍数增长，如何从这些海量的信息中查找出对自己有用的数据并进行正确的分析，已经成为了一项非常用意义的研究课题。

情感分析技术就是一项针对用户产生的信息进行情感倾向进行分析研究的技术。根据情感分析的粒度主要分为：篇章级情感分析，句子级情感分析以及目标级别情感分析。其中针对目标的情感分析主要包括两个子任务，一个是找出句子中的观点目标，另外一个是判断对该目标的情感倾向。传统的基于目标的情感分析分别研究其中一个子任务，但是在实际应用中往往不仅仅需要完成其中一个子任务，而是既需要抽取出其中的观点目标同时又要对目标的情感倾向进行分类。一种比较直观的做法是把两个子任务以流水线的方式串联起来执行，但是这样无法利用两个子任务之间的相互联系。为了充分利用这两个子任务之间的联系，一些基于词级别序列标注的联合方法被提了出来。很多观点目标是由多个词组成的而非单个词,比如“鼠标左键”是由“鼠标”和“左键”两个词构成，所以基于词级别序列标注的联合方法处理这类观点目标的时候仍然存在一些局限性，一是很难利用观点目标级别的特征，二是预测出的同一个观点目标的多个词之间的情感倾向有可能存在不一致，比如对于“鼠标左键”这个情感目标，可能对“鼠标”这个词给出的标签情感分类是正向的，但是“左键”这个词给出的情感分类是负向的。

发明内容：

针对上述技术问题，本发明提出一种基于词块的观点目标抽取和目标情感分类联合方法及系统，来利用情感目标级别的特征同时避免情感分类不一致的问题。

为了解决上述技术问题，本发明的技术方案如下：

一种基于词块的观点目标抽取和目标情感分类联合方法，包括如下步骤：

把需要进行观点目标抽取和目标情感分类的句子进行处理，得到每个句子中所有的连续词块；

把得到的句子信息以及词块信息输入到观点目标抽取和目标情感分类的联合模型中，对词块进行分类预测；

根据词块的类别获取句子中的观点目标及其对应的情感类别；其中，所述观点目标抽取和目标情感分类的联合模型的构建方法，包括：

(1)将训练数据中句子以及其中标注的观点目标以及目标情感转化为对应的词块以及词块对应的类别；同时通过大规模的非标注语料，训练得到具有语义信息的词向量；

(2)将训练数据的句子中的每个词映射成对应的词向量，输入基于词块的目标抽取和目标情感分类联合神经网络模型，并通过反向传播算法进行训练；

(3)将需进行观点目标抽取和目标情感分类的句子输入训练完成的联合预测模型，预测出每个词块对应的类别，根据词块的类别得到句子中的观点目标以及对该目标的情感类别。

进一步地，所述联合模型的构建方法步骤(1)具体方法包括：

(1-1)设定词块的最大长度值，枚举训练数据输入句子中不超过所设定的最大长度的所有连续文本词块；