[发明专利]一种方面级情感分类方法

说明书

本公开实施例是关于一种方面级情感分类方法。该方法包括：采用双向长短期记忆网络模型对待分析文本进行提取方面词和上下文的特征信息，分别得到方面词的隐层表示和上下文的上下文隐层表示；针对获得的隐层表示和上下文隐层表示，采用图卷积网络根据句法依存树对其进行提取与方面词有直接语法联系的上下文情感特征信息，获得融合语法依存信息的上下文信息特征表示；基于上下文信息特征表示，利用注意力机制学习方面词与所述上下文的交互信息，同时提取上下文中为方面词情感分类做出重要贡献的情感特征信息，并预测情感极性。相比传统的经典文本情感分析方法以及目前的主流方法而言，本公开实施例的方法具有更为理想的文本情感分析准确度。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种方面级情感分类方法。

背景技术

随着社交媒体的兴起，情感分析日益成为人工智能领域中自然语言处理方向的研究热点，其研究对象是人们对服务、事件、产品、话题及其属性的观点、情绪和态度，针对这些主观性言论进行分析往往可以快速把握民众对热点话题、政策、商品等方面的态度或看法，具有显著的研究价值。

相关技术中，早期的情感分析方法主要是依赖统计方法建立情感词典，将情感词典作为情感分析的基础。然而，无论人工构建还是自动构建情感词典，往往仅能针对某一领域，对于跨领域情感分析的效果并不理想。目前，方面级情感分类研究逐渐沿着深度学习技术而展开，但现有方法往往忽略了方面词与上下文的交互信息，因而导致情感分析效果欠佳。

因此，有必要提供一种新的技术方案改善上述方案中存在的一个或者多个问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种方面级情感分类方法，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开实施例提供的一种方面级情感分类方法，该方法包括：

采用双向长短期记忆网络模型对待分析文本进行提取方面词和上下文的特征信息，分别得到所述方面词的隐层表示和所述上下文的上下文隐层表示；

针对获得的所述隐层表示和所述上下文隐层表示，采用图卷积网络根据句法依存树对其进行提取与所述方面词有直接语法联系的上下文情感特征信息，获得融合语法依存信息的上下文信息特征表示；

基于所述上下文信息特征表示，利用注意力机制学习所述方面词与所述上下文的交互信息，同时提取所述上下文中为方面词情感分类做出重要贡献的情感特征信息，并预测情感极性。

本公开的实施例中，所述采用双向长短期记忆网络模型对待分析文本进行提取方面词和上下文的特征信息，分别得到所述方面词的隐层表示和所述上下文的上下文隐层表示的步骤包括：

采用预训练词典对所述方面词和所述上下文进行词嵌入处理，分别得到所述方面词的词嵌入向量和所述上下文的词嵌入向量。

本公开的实施例中，所述采用双向长短期记忆网络模型对待分析文本进行提取方面词和上下文的特征信息，分别得到所述方面词的隐层表示和所述上下文的上下文隐层表示的步骤包括：

通过双向长短期记忆网络模型对所述词嵌入向量和所述文本嵌入向量进行转换处理，分别得到所述方面词的隐层表示和所述上下文的上下文隐层表示。

本公开的实施例中，所述针对获得的所述隐层表示和所述上下文隐层表示，采用图卷积网络根据句法依存树对其进行提取与方面词有直接语法联系的上下文情感特征信息，获得融合语法依存信息的上下文信息特征表示的步骤包括：