[发明专利]一种情感分类方法、装置、电子设备和存储介质

权利要求书

1.一种情感分类方法，其特征在于，包括：

通过训练集训练串行的自然语言预训练模型和文本分类模型，得到情感分类组合模型；其中，所述训练集包括多个训练样本，每个训练样本包括文本、所述文本中的方面词和所述方面词的分类标签；

将待预测文本和所述待预测文本中的方面词输入到所述情感分类组合模型中，以输出所述待预测文本中的方面词的分类标签。

2.根据权利要求1所述的情感分类方法，其特征在于，通过训练集训练串行的自然语言预训练模型和文本分类模型，得到情感分类组合模型，包括：

将训练集输入到自然语言预训练模型中，得到所述自然语言预训练模型输出的第一语义特征向量；

将所述自然语言预训练模型输出的第一语义特征向量输入到文本分类模型中，得到所述文本分类模型输出的第二语义特征向量；

根据所述文本分类模型输出的第二语义特征向量优化所述自然语言预训练模型的参数和所述文本分类模型的参数，从而得到情感分类组合模型。

3.根据权利要求2所述的情感分类方法，其特征在于，根据所述文本分类模型输出的第二语义特征向量优化所述自然语言预训练模型的参数和所述文本分类模型的参数，从而得到情感分类组合模型，包括：

基于所述文本分类模型输出的第二语义特征向量、所述自然语言预训练模型的参数和所述文本分类模型的参数，计算损失函数；

通过使所述损失函数取最小值，获得所述自然语言预训练模型的最优参数和所述文本分类模型的最优参数，从而得到情感分类组合模型。

4.根据权利要求3所述的情感分类方法，其特征在于，所述损失函数为交叉熵损失函数。

5.根据权利要求1所述的情感分类方法，其特征在于，所述自然语言预训练模型为BERT模型，和/或，所述文本分类模型为TextCNN模型。

6.一种情感分类装置，其特征在于，包括：

训练模块，被配置为：通过训练集训练串行的自然语言预训练模型和文本分类模型，得到情感分类组合模型；其中，所述训练集包括多个训练样本，每个训练样本包括文本、所述文本中的方面词和所述方面词的分类标签；

预测模块，被配置为：将待预测文本和所述待预测文本中的方面词输入到所述情感分类组合模型中，以输出所述待预测文本中的方面词的分类标签。

7.根据权利要求6所述的装置，其特征在于，所述训练模块还被配置为：

将训练集输入到自然语言预训练模型中，得到所述自然语言预训练模型输出的第一语义特征向量；

将所述自然语言预训练模型输出的第一语义特征向量输入到文本分类模型中，得到所述文本分类模型输出的第二语义特征向量；

根据所述文本分类模型输出的第二语义特征向量优化所述自然语言预训练模型的参数和所述文本分类模型的参数，从而得到情感分类组合模型。

8.根据权利要求7所述的装置，其特征在于，所述训练模块还被配置为：

基于所述文本分类模型输出的第二语义特征向量、所述自然语言预训练模型的参数和所述文本分类模型的参数，计算损失函数；

通过使所述损失函数取最小值，获得所述自然语言预训练模型的最优参数和所述文本分类模型的最优参数，从而得到情感分类组合模型。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5中任意一项所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至5中任一项所述方法。