[发明专利]文本情感内容分析方法、装置、设备及存储介质在审

专利信息
申请号: 202110100781.1 申请日: 2021-01-25
公开(公告)号: CN112784573A 公开(公告)日: 2021-05-11
发明(设计)人: 刘晶;孟凯;覃俊;夏梦;帖军;徐胜舟;刘璐 申请(专利权)人: 中南民族大学
主分类号: G06F40/205 分类号: G06F40/205;G06N3/04;G06N3/08
代理公司: 深圳市世纪恒程知识产权代理事务所 44287 代理人: 谢阅
地址: 430074 湖北省武汉*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 文本 情感 内容 分析 方法 装置 设备 存储 介质
【权利要求书】:

1.一种文本情感内容分析方法,其特征在于,所述文本情感内容方法包括:

通过BERT模型对待分析文本进行分析,以获得所述待分析文本的词向量;

对所述词向量对应的子句信息添加全局注意力机制,得到全局文本信息;

通过预设注意力机制对所述词向量对应的子句信息进行分析,获得结合注意力信息的子句信息;

通过自注意力机制结合所述全局文本信息和所述结合注意力信息的子句信息,得到目标文本;

根据所述目标文本中子句间的关系通过分类器进行分析,得到情感原因对,并通过所述情感原因对得到所述待分析文本的情感分析结果。

2.如权利要求1所述的文本情感内容分析方法,其特征在于,所述通过预设注意力机制对所述词向量对应的子句信息进行分析,获得结合注意力信息的子句信息,包括:

通过双向长短期记忆网络对所述词向量对应的子句信息进行编码处理,获取所述子句信息中的情感特征词汇;

通过预设注意力机制对所述情感特征词汇进行分析,获得结合注意力信息的子句信息。

3.如权利要求2所述的文本情感内容分析方法,其特征在于,所述通过预设注意力机制对所述情感特征词汇进行分析,获得结合注意力信息的子句信息,包括:

根据所述情感特征词汇与对应子句的语义信息,得到所述情感特征词汇的级别权重;

根据所述情感特征词汇的级别权重与对应子句信息,获得结合注意力信息的子句信息。

4.如权利要求1所述的文本情感内容分析方法,其特征在于,所述通过自注意力机制结合所述全局文本信息和所述结合注意力信息的子句信息,得到目标文本的步骤之前,还包括:

获取所述结合注意力信息的子句信息中的情感特征;

所述通过自注意力机制结合所述全局文本信息和所述结合注意力信息的子句信息,得到目标文本,包括:

通过自注意力机制以及所述情感特征结合所述全局文本信息和所述结合注意力信息的子句信息,得到目标文本。

5.如权利要求4所述的文本情感内容分析方法,其特征在于,所述通过自注意力机制以及所述情感特征结合所述全局文本信息和所述结合注意力信息的子句信息,得到目标文本,包括:

根据自注意力机制对所述全局文本信息中的子句添加位置特征信息,得到所述子句和待分析文本之间的关系;

根据所述子句和待分析文本之间的关系编码所述全局文本信息中的子句之间的特征,得到编码后的子句;

对所述编码后的子句添加对应的情感特征,以得到结合所述全局文本信息和所述结合注意力信息的子句信息的目标文本。

6.如权利要求4所述的文本情感内容分析方法,其特征在于,所述获取所述结合注意力信息的子句信息中的情感特征之后,还包括:

通过全连接层连接所述待分析文本子句中包含的所述情感特征的信息;

根据所述情感特征信息通过分类器进行分类,得到所述待分析文本子句中的情感标签;

根据所述情感标签得到所述待分析文本的情感分析结果。

7.如权利要求1至6中任一项所述的文本情感内容分析方法,其特征在于,所述对所述词向量对应的子句信息添加全局注意力机制,得到全局文本信息之前,还包括:

通过卷积神经网络提取所述词向量中的短语特征,得到所述词向量对应的子句信息。

8.一种文本情感内容分析装置,其特征在于,所述文本情感内容分析装置包括:

分析模块,用于通过BERT模型对待分析文本进行分析,以获得所述待分析文本的词向量;

添加模块,用于对所述词向量对应的子句信息添加全局注意力机制,得到全局文本信息;

所述分析模块,还用于通过预设注意力机制对所述词向量对应的子句信息进行分析,获得结合注意力信息的子句信息;

结合模块,通过自注意力机制结合所述全局文本信息和所述结合注意力信息的子句信息,得到目标文本;

所述分析模块,还用于根据所述目标文本中子句间的关系通过分类器进行分析,得到情感原因对,并通过所述情感原因得到所述待分析文本的情感分析结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南民族大学,未经中南民族大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110100781.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top