[发明专利]基于Transformer实现细粒度情感分析的方法、装置、处理器及其存储介质

说明书

本发明涉及一种基于Transformer实现细粒度情感分析的方法，其中，该方法包括以下步骤：(1)获取Sem‑Eval 2014 Task 4的Laptop和Restaurant两个领域的数据集进行模型验证；(2)对获取到的相应数据集进行数据解析以及转换处理；(3)基于正文文本、主体以及主体情感类别进行情感分析模型的构建；(4)加入预设的初始参数进行情感分析模型的模型训练；(5)获取模型训练得到的细粒度情感分析输出结果。本发明还涉及一种相应的装置、处理器及其存储介质。采用了本发明的该基于Transformer实现细粒度情感分析的方法、装置、处理器及其存储介质，通过针对性地判别不同方面的情感类别，从而准确的识别判断出文本中某一方面级的情感倾向，相较于其他模型而言，具有更为突出的识别预测优势。

技术领域

本发明涉及人工智能技术领域，尤其涉及自然语言处理技术领域，具体是指一种基于Transformer实现细粒度情感分析的方法、装置、处理器及其计算机可读存储介质。

背景技术

在人工智能出现之前，机器智能处理结构化的数据(例如Excel里的数据)。但是现实场景中大部分的数据都是非结构化的，例如：文章、图片、音频、视频…。在非结构数据中，文本的数量是最多的，他虽然没有图片和视频占用的空间大，但是他的信息量是最大的。为了能够分析和利用这些文本信息，我们就需要利用NLP技术，让机器理解这些文本信息，并加以利用。

自然语言处理(Natural Language Processing，NLP)是计算机科学，信息工程和人工智能的子领域，涉及计算机与人类(自然)语言之间的交互，特别是如何对计算机进行编程以处理和分析大量自然语言数据。自然语言处理中的挑战通常涉及自然语言理解(NLU)和自然语言生成(NLG)两大任务。

自然语言理解就是希望机器像人一样，具备正常人的语言理解能力。自然语言理解(NLU)或自然语言解释(NLI)是自然语言处理在人工智能与机器涉及阅读理解的子主题。其应用于实体抽取、关系抽取、机器翻译、智能问答、文本分类、情感分析等诸多子领域。

自然语言生成是NLP的重要组成部分，主要目的是降低人类和机器之间的沟通鸿沟，将非语言格式的数据转换成人类可以理解的语言格式。NLG是为了跨越人类和机器之间的沟通鸿沟，将非语言格式的数据转换成人类可以理解的语言格式，如文章、报告等。

早期的粗粒度情感分析方法只能获得文本的观点信息，而事实上评价可能中包含着多个对象与方面的评价，而对这些表达对象被赋予的情感倾向可能不尽相同。例如如下评论文本：手机屏幕很清晰，但是电池续航能力太弱了。

很显然，该从文本的角度上看，我们不能直接对判断用户对这个手机的情感是正向还是负向，因为用户对手机的两个方面(Aspect)分别发表的看法，那么我们便能大致知道ABSA的两个任务了，即情感对象识别(Aspect Term Extraction)，与情感对象倾向分析(Aspect Term Polarity Analysis)。前者是一个NLP的标注任务(如命名实体识别等)，后者则是一个分类任务(针对性地判断Aspect的情感类别)，但现有技术是缺乏针对性判断Aspect的情感类别的。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种基于Transformer实现细粒度情感分析的方法、装置、处理器及其计算机可读存储介质。

为了实现上述目的，本发明的基于Transformer实现细粒度情感分析的方法、装置、处理器及其计算机可读存储介质如下：

该基于Transformer实现细粒度情感分析的方法，其主要特点是，所述的方法包括以下步骤：

(1)获取Sem-Eval 2014Task 4的Laptop和Restaurant两个领域的数据集进行模型验证；

(2)对获取到的相应数据集进行数据解析以及转换处理；