[发明专利]一种面向可解释的情感溯源方法

权利要求书

1.一种面向可解释的情感溯源方法，其特征在于，包括以下步骤：

S1：采集数据并对采集的数据进行预处理；

S2：训练规则抽取模型；

S3：训练溯因证据模型；

S4：组成情感溯因结果；

S5：输入未标注文本得到情感溯因结果。

2.根据权利要求1所述的面向可解释的情感溯源方法，其特征在于，所述步骤S1的具体过程是：

S11：从社交平台或者购物平台上爬取评论信息；

S12：针对爬取到的信息，清洗去除其中不涉及评价的部分，保留表达了用户对商品或者实体情绪或者看法的信息；

S13：人工对爬取得到的信息进行标注，其中，标注的内容包括：句子涉及的方面类别以及对应的情感极性、得到这个结果的推理过程、将这个推理过程模板化得到规则模板，并标注规则模板中，哪些子句属于需要在文本中寻找证据的，哪些属于外部知识。

3.根据权利要求2所述的面向可解释的情感溯源方法，其特征在于，所述步骤S2的具体过程是：

S21：划分数据集为训练集和测试集，其中训练集70％，测试集30％；

S22：规则抽取模型是一种序列标注问答模型，这里采用的是预训练语言模型Roberta模型的基础上，添加序列标注的线性层；

S23：模型训练会对每一个标注过的推理规则子句中属于模板变量的部分遮盖，转换成疑问句，将标注的变量结果作为问题的答案，输入问句和文本，训练模型使得最高评价序列为正确答案，所有训练集的所有涉及的子句作为一次完整训练；

S24：在训练过程中，记录每一次训练的模型，通过测试集测试，得到测试集准确率和单条f1值最高的模型。

4.根据权利要求3所述的面向可解释的情感溯源方法，其特征在于，所述步骤S3的具体过程是：

S31：构建这一步的数据集：通过将规则模板里涉及到的变量，通过同类替换的方式，将句子中的相同类别替换得到新的推理子句，将按照这种方式生成的子句标记为假，原来标注的推理链条子句标记为真；训练集占70％，测试集占30％；

S32：溯因证据模型是通过对文本中的句子拼接相应编码后的子句，中间使用Roberta的特殊分隔符/s分割开，经过编码后，输入Roberta预训练语言模型中，将s的向量相加起来，输入到线性层和softmax归一化后得到判断相应变量是否符合子句描述情况；

S33：在训练过程中，每完成一次所有样本的训练，存储一次模型，最后使用测试集正确率最高的模型。

5.根据权利要求4所述的面向可解释的情感溯源方法，其特征在于，所述步骤S4的具体过程是：

S41：通过步骤S3得到的每一个子句的评分，从而获得整个情感溯源链路的评分；

S42：比较各条链路的评分，取每个方面中评分最高的链路作为最终的情感溯源结果；

S43：获得情感溯源结果后，可以通过情感溯源推理链条的结论，得到该段话对该方面的情感分析结果。

6.根据权利要求5所述的面向可解释的情感溯源方法，其特征在于，所述步骤S5的具体过程是：

S51：对于每一个规则模板，拆分子句，遮盖变量，构造问题文本；

S52：将上一步得到的问题和文本，输入到规则抽取模型中，得到问题答案，替换变量，构造下一步的问题文本，如果不存在答案，则可认为这个文本的情感溯源不能使用该模板进行；

S53：不断重复S51和S52直到所有模板的所有变量已经被确认，即确认为具体的内容或者确认为无法找到；

S54：将S53中涉及到需要从文本中寻找证据的子句，和文本中提及到相应变量的句子，输入到溯因证据模型，得到各个子句的评分，从而得到结果的评分；

S54：从上一步得到的评分得到完整情感溯源链路的评分，从而得到最终结果。