[发明专利]一种基于情感知识增强的词语分布式表示学习系统

说明书

本发明涉及情绪侦测与情感分析技术领域，具体地说，涉及一种基于情感知识增强的词语分布式表示学习系统，其包括情感知识整合框架和弱监督知识生成框架；情感知识整合框架包括知识查询模块，知识整合模块以及词表示生成模块；弱监督知识生成框架用于生成一个领域情感词典DSD，DSD整合了目标领域的无标签文本、领域独立的情感词典和目标领域文本的标签三部分的资源。本发明能较佳地进行情感知识整合。

技术领域

本发明涉及情绪侦测与情感分析技术领域，具体地说，涉及一种基于情感知识增强的词语分布式表示学习系统。

背景技术

情感分析是自然语言处理中的一个重要任务，它可以帮助消费者，公司以及专家系统做出更加合理的决策。在现有的研究中通常把词向量作为研究的特征，利用词向量来完成包括情感分析在内的许多任务。然而现存的词向量学习技术在应对情感分析时，没有考虑到情感信息的目标依赖性。比如：在评论句子S1“新买的电脑运行得很快，不过它的电量消耗得也很快”中，对于同样的评价“快”，现有的模型不能够识别出对于电脑而言，运行速度“快”是有利的，而对于电池来说，消耗得“快”反而是不利的。对情感信息目标依赖性的缺乏将影响模型的情感分析效果。

知识图谱是语义网络的知识库，通常以三元组的形式呈现：头部(Head)，关系(Relation)和尾部(Tail)。通用的知识图谱，头部和尾部由实体名词构成，关系表述了头部与尾部实体在现实世界中的联系。情感知识图谱是语义网络的进一步延伸，它的头部是评价目标，关系是评价内容，尾部是情感倾向。比如在评论句子S1中，电脑、电池可以作为评价目标，快可以作为评价内容。

情感知识图谱是包含了许多依赖信息的外部知识的集合体，整合情感知识图谱可以在一定程度上解决“情感信息目标依赖性”的问题。然而在现有的研究中，情感知识图谱非常稀少，并且他们的构建都是人工完成的，构建它需要花费大量的人力资源。因此简单利用现存的情感知识图谱并不能完全解决“情感信息目标依赖性”的问题。

情感词典中包含了许多的情感信息，对于给定的一个词汇，情感词典可以分析出这个词汇的情感极性。他们在许多开放领域中有着不错的效果。

因此有些学者希望通过整合情感词典来改进情感分析的效果，然而这些情感知识效果非常有限，他们缺少专业领域下的情感依赖信息。不能很好地解决专业领域的“情感信息目标依赖性”的问题。

发明内容

本发明的内容是提供一种基于情感知识增强的词语分布式表示学习系统，其能够克服现有技术的某种或某些缺陷。

根据本发明的一种基于情感知识增强的词语分布式表示学习系统，其包括情感知识整合框架和弱监督知识生成框架；情感知识整合框架包括知识查询模块，知识整合模块以及词表示生成模块；弱监督知识生成框架用于生成领域情感词典DSD，DSD整合了目标领域的无标签文本、领域独立的情感词典和目标领域文本的标签三部分的资源。

作为优选，在知识查询模块中，给定一个评论句子S，知识查询模块的功能是帮助这个句子S找到最有可能帮助分析句子S的知识；为了达到这个目标，对于输入的句子，对其进行分词，然后将每个词作为一个查询目标，对领域情感词典DSD进行查询；对于查询得到的知识使用过滤器对其进行过滤，并引入知识期望和知识全局注意力机制，将过滤后的知识分为了三个状态：原始知识集合o_set，期望知识集合e_set以及候选知识集合c_set；通过知识查询请求得的知识集合即原始知识集合，它可以由(1)得到：

o_set＝Knowledge_Query(T,DSD) (1)

T即为查询词，Knowledge_Query是知识查询函数，o_set具体内容如(2)所示：