[发明专利]一种知识感知的情感分析方法

权利要求书

1.一种知识感知的情感分析方法，其特征在于，包括以下步骤：

步骤1、收集自然语言解释e_i，并利用语义解析器将收集的自然语言解释e_i生成一系列候选标签函数；

步骤2、将候选标签函数输入到过滤器组中进行过滤，剔除超过设定阈值的候选标签函数；

步骤3、将剩余的候选标签函数应用于未标注的样本实例，并生成标注矩阵，将标注矩阵传递给标注聚合器，所述标注聚合器将标注矩阵中存在潜在冲突和重叠的标注集成到每个样本中，生成新的标注；

步骤4、利用生成的新的标注对情感分类器判别模型进行训练，根据所述情感分类器判别模型进行情感分析。

2.根据权利要求1所述的知识感知的情感分析方法，其特征在于，所述步骤1中为情感分析语料提供多个自然语言解释e_i，基于语义解析器CCG的语义分析方法将自然语言解释e_i解析为一系列候选标签函数。

3.根据权利要求1所述的知识感知的情感分析方法，其特征在于，所述情感分类器判别模型为BiLSTM+Attention网络。

4.根据权利要求3所述的知识感知的情感分析方法，其特征在于，所述步骤1具体包括以下步骤：

步骤1.1、编码一个领域词典，将每个单词映射到它的语法和逻辑谓词，对于每个自然语言解释e_i，语义解析器基于CCG生成多个逻辑形式；

步骤1.2、使用特征向量φ(f)∈R^d，其中每个元素计算特定CCG组合子的应用程序数，具体为：

给出自然语言解释e_i，由θ∈R^d参数化的语义解析器在所有可能的逻辑形式上输出概率分布；逻辑形式的概率计算如下：

为了学习θ，最大化给定e_i的概率y_i，这是通过边缘化所有逻辑形式来计算的匹配x_i；形式上，目标损失函数定义如下：

当使用基于梯度的方法导出最优θ*时，e_i的解析结果被定义为：

5.根据权利要求4所述的知识感知的情感分析方法，其特征在于，所述步骤3和4的具体操作如下：

如果通过过滤器组的m标签函数被用于n实例，标签聚合器执行一个函数f:{-1,0,1}^m×n→[0,1]^m；

利用数据编程来建模真实标签之间的关系，标签函数输出一个因子图；进一步，给定潜在标签Y∈{-1,1}ⁿ，和观察中标签矩阵Λ∈{-1，0，1}，其中Λ_i,j＝LF_i(x_j)，将标签倾向和准确性定义为两种因素:

因此，对于与给定数据点x_j，有关的因素φ_j(Λ,Y)∈R^m定义为：

其中为权向量，Z_w为归一化常数；

为了在不确定真标记Y的情况下确定这个模型，使用感知到的标签λ，最小化负对数边际为：

利用随机梯度下降SGD和吉布斯抽样推断并利用边缘作为概率对情感分类器判别模型进行训练，根据所述情感分类器判别模型进行情感分析。