一种情感倾向预测方法、装置、系统及存储介质制造方法及图纸

本发明专利技术公开了一种基于图神经网络(GNN)的情感倾向预测方法、装置、系统及计算机存储介质。基于图神经网络的情感倾向预测方法包括：首先，获取一段文本信息；然后，将文本信息转化为以词为节点，以词之间的相似度为边的图形结构数据；接下来，将该图形结构数据转化为由词之间相似度构成的邻接矩阵；随后通过情感分类模型对邻接矩阵进行情感倾向预测。这种情感倾向预测方法在处理长文本时，通过词和词之间地相似度，将文本信息转化为图形结构数据，一方面能够利用图神经网络的优势包含尽可能多的语义；另一方面通过将相近的词聚合在一起，也更易于提取到最有代表意义的情感倾向特征，使预测结果更为准确。

A method, device, system and storage medium of emotion tendency prediction

【技术实现步骤摘要】
一种情感倾向预测方法、装置、系统及存储介质
本专利技术涉及人工智能(ArtificialIntelligence，AI)
，尤其涉及一种基于图神经网络GNN的情感倾向预测方法、装置、系统及计算机存储介质。
技术介绍
情感分类是自然语言处理中一种常见的任务。具体来说，就是给出一段文本信息，使用情感分类模型预测该文本信息的情感倾向。目前，情感倾向预测方法大多基于词向量序列和卷积神经网络实现的。这种情感倾向预测方法，在前期对文本信息中的句子进行转化时，主要使用如下方法：首先，对句子进行分词，将提取到的词语转化为词向量；然后，将词向量按照词在句子中的位置顺序排列，构成句子矩阵。同理，将句子矩阵按照句子在文本中的位置顺序排列，构成文本矩阵。由此可见，这一过程类似于编码的过程，并没有太多提炼或精简的过程。而且，在这样得到的文本矩阵中，词的排列顺序和组合方式仅与语序相关而与语义无关。使用这种情感倾向预测方法对长文本信息进行处理时就会变得比较困难。因为当文本信息很长时，基于词向量序列的文本矩阵就会是个非常大的矩阵，且与情感倾向相关的词也会本文档来自技高网...

【技术保护点】
1.一种基于图神经网络GNN的情感倾向性预测方法，其特征在于，所述方法包括：/n获取文本信息；/n将所述文本信息转化为以词为节点，以词之间的相似度为边的图形结构数据；/n将所述图形结构数据转化为由词之间相似度构成的邻接矩阵；/n通过情感分类模型对所述邻接矩阵进行情感倾向预测。/n

【技术特征摘要】
1.一种基于图神经网络GNN的情感倾向性预测方法，其特征在于，所述方法包括：
获取文本信息；
将所述文本信息转化为以词为节点，以词之间的相似度为边的图形结构数据；
将所述图形结构数据转化为由词之间相似度构成的邻接矩阵；
通过情感分类模型对所述邻接矩阵进行情感倾向预测。


2.根据权利要求1所述的方法，其特征在于，所述将所述文本信息转化为以词为节点，以词之间的相似度为边的图形结构数据，包括：
提取所述文本信息中的词；
获取所提取的词之间的相似度；
以所提取的词为节点，以词之间的相似度为边构造图形结构数据。


3.根据权利要求2所述的方法，其特征在于，所述获取所提取的词之间的相似度，包括：
通过词向量转化工具获取所提取的词之间的相似度。


4.根据权利要求2所述的方法，其特征在于，所述获取所提取的词之间的相似度，包括：
通过使用词相似度计算方法进行建模获取所提取的词之间的相似度。


5.根据权利要求1所述的方法，其特征在于，所述通过情感分类模型对所述邻接矩阵进行情感倾向预测，包括：
通过卷积神经网络模型CNN对所述邻接矩阵进行特征提取以得到对应的压缩表示向量；
将所述压缩表示向量经过全连接层和分类模型获得情感倾向预测结果。

【专利技术属性】
技术研发人员：祝文博，雷欣，李志飞，
申请(专利权)人：出门问问信息科技有限公司，
类型：发明
国别省市：北京;11