情感分类的方法和情感分类模型的训练方法、装置制造方法及图纸

本公开提供了一种采用情感分类模型进行情感分类的方法和情感分类模型的训练方法，涉及人工智能领域，具体涉及自然语言处理领域、深度学习领域和云计算领域，可以但不限于应用于智慧城市等场景中。采用情感分类模型进行情感分类的方法的具体实现方案为：将待处理文本输入情感分类模型的特征提取网络，得到待处理文本的第一文本特征；基于第一文本特征，采用情感分类模型的方面分类网络确定待处理文本的第一方面类别特征和多个预定方面类别中待处理文本的方面类别；以及基于第一方面类别特征和第一文本特征，采用情感分类模型的情感分类网络确定待处理文本在多个预定方面类别的情感类别。情感类别。情感类别。

【技术实现步骤摘要】
情感分类的方法和情感分类模型的训练方法、装置


[0001]本公开涉及人工智能
，具体涉及自然语言处理领域、深度学习领域和云计算领域，尤其涉及一种情感分类的方法和情感分类模型的训练方法、装置、设备和介质。

技术介绍

[0002]随着计算机技术和网络技术的发展，深度学习技术在自然语言处理中得到了广泛应用。情感分析是自然语言处理中一项重要的任务，它是指通过计算机等辅助手段，判断人们在文本中对产品、对象、事件、服务、主题及其属性所持有的情感、看法等感受。

技术实现思路

[0003]基于此，本公开提供了一种提高情感分类精度和避免模型欠拟合的采用情感分类模型进行情感分类的方法和情感分类模型的训练方法、装置、设备和存储介质。
[0004]根据本公开的一个方面，提供了一种采用情感分类模型进行情感分类的方法，其中，情感分类模型包括特征提取网络、方面分类网络和情感分类网络；该方法包括：将待处理文本输入特征提取网络，得到待处理文本的第一文本特征；基于第一文本特征，采用方面分类网络确定待处理文本的第一方面类别特征和多个预定方面类别中待处理文本的方面类别；以及基于第一方面类别特征和第一文本特征，采用情感分类网络确定待处理文本在多个预定方面类别的情感类别。
[0005]根据本公开的另一个方面，提供了一种情感分类模型的训练方法，其中，情感分类模型包括特征提取网络、方面分类网络和情感分类网络，该方法包括：将文本样本输入特征提取网络，得到文本样本的第二文本特征；文本样本包括文本的实际方面类别和实际方面类别的情感类别；基于第二文本特征，采用方面分类网络确定文本样本的第二方面类别特征和多个预定方面类别中文本样本的预测方面类别；基于第二方面类别特征和第二文本特征，采用情感分类网络确定文本样本在多个预定方面类别的预测情感类别；以及基于实际方面类别、预测方面类别、实际方面类别的情感类别和文本样本在实际方面类别的预测情感类别，对情感分类模型进行训练。
[0006]根据本公开的另一方面，提供了一种采用情感分类模型进行情感分类的装置，其中，情感分类模型包括特征提取网络、方面分类网络和情感分类网络；该装置包括：第一文本特征获得模块，用于将待处理文本输入特征提取网络，得到待处理文本的第一文本特征；第一方面类别预测模块，用于基于第一文本特征，采用方面分类网络确定待处理文本的第一方面类别特征和多个预定方面类别中待处理文本的方面类别；以及第一情感类别预测模块，用于基于第一方面类别特征和第一文本特征，采用情感分类网络确定待处理文本在多个预定方面类别的情感类别。
[0007]根据本公开的另一方面，提供了一种情感分类模型的训练装置，其中，情感分类模型包括特征提取网络、方面分类网络和情感分类网络；该装置包括：第二文本特征获得模块，用于将文本样本输入特征提取网络，得到文本样本的第二文本特征；文本样本包括文本
的实际方面类别和实际方面类别的情感类别；第二方面类别预测模块，用于基于第二文本特征，采用方面分类网络确定文本样本的第二方面类别特征和多个预定方面类别中文本样本的预测方面类别；第二情感类别预测模块，用于基于第二方面类别特征和第二文本特征，采用情感分类网络确定文本样本在多个预定方面类别的预测情感类别；以及模型训练模块，用于基于实际方面类别、预测方面类别、实际方面类别的情感类别和文本样本在实际方面类别的预测情感类别，对情感分类模型进行训练。
[0008]根据本公开的另一个方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开提供的采用情感分类模型进行情感分类的方法和/或情感分类模型的训练方法。
[0009]根据本公开的另一个方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开提供的采用情感分类模型进行情感分类的方法和/或情感分类模型的训练方法。
[0010]根据本公开的另一个方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开提供的采用情感分类模型进行情感分类的方法和/或情感分类模型的训练方法。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0013]图1是根据本公开实施例的采用情感分类模型进行情感分类的方法和情感分类模型的训练方法、装置的应用场景示意图；
[0014]图2是根据本公开实施例的采用情感分类模型进行情感分类的方法的流程示意图；
[0015]图3是根据本公开实施例的得到待处理文本的第一文本特征的原理示意图；
[0016]图4是根据本公开实施例的确定第一方面类别特征和待处理文本的方面类别的原理示意图；
[0017]图5是根据本公开实施例的确定待处理文本在多个预定方面的情感类别的原理示意图；
[0018]图6是根据本公开另一实施例的确定待处理文本在多个预定方面的情感类别的原理示意图；
[0019]图7是根据本公开实施例的情感分类模型的训练方法的流程示意图；
[0020]图8是根据本公开实施例的采用情感分类模型进行情感分类的装置的结构框图；
[0021]图9是根据本公开实施例的情感分类模型的训练装置的结构框图；以及
[0022]图10是用来实施本公开实施例的采用情感分类模型进行情感分类的方法和/或情感分类模型的训练方法的电子设备的框图。
具体实施方式
[0023]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0024]本公开提供了一种采用情感分类模型进行情感分类的方法，其中，情感分类模型包括特征提取网络、方面分类网络和情感分类网络。该方法包括文本特征提取阶段、方面类别预测阶段和情感类别预测阶段。在文本特征提取阶段中，将待处理文本输入特征提取网络，得到待处理文本的第一文本特征。在方面类别预测阶段中，基于第一文本特征，采用方面分类网络确定待处理文本的第一方面类别特征和多个预定方面类别中待处理文本的方面类别。在情感类别预测阶段中，基于第一方面类别特征和第一文本特征，采用情感分类网络确定待处理文本在多个预定方面类别的情感类别。
[0025]以下将结合图1对本公开提供的方法和装置的应用场景进行描述。
[0026]图1是根据本公开实施例的采用情感分类模型进行情感分类的方法和情感分类模型的训练方法、装置的应用场景示意图。
[0027]如图1所示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用情感分类模型进行情感分类的方法，其中，所述情感分类模型包括特征提取网络、方面分类网络和情感分类网络；所述方法包括：将待处理文本输入所述特征提取网络，得到所述待处理文本的第一文本特征；基于所述第一文本特征，采用所述方面分类网络确定所述待处理文本的第一方面类别特征和多个预定方面类别中所述待处理文本的方面类别；以及基于所述第一方面类别特征和所述第一文本特征，采用所述情感分类网络确定所述待处理文本在所述多个预定方面类别的情感类别。2.根据权利要求1所述的方法，其中，所述特征提取网络包括文本转换子网络和语义提取子网络：所述将待处理文本输入所述特征提取网络，得到所述待处理文本的第一文本特征包括：将所述待处理文本输入所述文本转换子网络，得到文本向量特征；以及将所述文本向量特征输入所述语义提取子网络，得到文本语义特征，其中，所述第一文本特征包括所述文本向量特征和所述文本语义特征。3.根据权利要求2所述的方法，其中，所述特征提取网络还包括第一方面注意力子网络和第二方面注意力子网络；所述将待处理文本输入所述特征提取网络，得到所述待处理文本的第一文本特征还包括：将所述文本向量特征输入所述第一方面注意力子网络，得到第一方面特征；以及将所述文本语义特征输入所述第二方面注意力子网络，得到第二方面特征，其中，所述第一文本特征还包括所述第一方面特征和所述第二方面特征。4.根据权利要求3所述的方法，其中，所述方面分类网络包括第一融合子网络、方面类别特征提取子网络和第一分类子网络；基于所述第一文本特征，采用所述方面分类网络确定所述待处理文本的第一方面类别特征和多个预定方面类别中所述待处理文本的方面类别包括：将所述第一方面特征和所述第二方面特征输入所述第一融合子网络，得到融合方面特征；将所述融合方面特征输入所述方面类别特征提取子网络，得到所述第一方面类别特征；以及将所述第一方面类别特征输入所述第一分类子网络，获得所述多个预定方面类别中所述待处理文本的方面类别。5.根据权利要求3所述的方法，其中，所述特征提取网络还包括第一情感注意力子网络、第二情感注意力子网络和第二融合子网络；所述将待处理文本输入所述特征提取网络，得到所述待处理文本的第一文本特征还包括：将所述文本向量特征和所述第一方面特征输入所述第一情感注意力子网络，得到第一情感特征；将所述文本语义特征和所述第二方面特征输入所述第二情感注意力子网络，得到第二情感特征；以及将所述第一情感特征和所述第二情感特征输入所述第二融合子网络，得到融合情感特征，其中，所述第一文本特征还包括所述融合情感特征。
6.根据权利要求5所述的方法，其中，所述基于所述第一方面类别特征和所述第一文本特征，采用所述情感分类网络确定所述待处理文本在所述多个预定方面的情感类别包括：将所述融合情感特征和所述第一方面类别特征输入所述情感分类网络，得到所述待处理文本在所述多个预定方面的情感类别。7.根据权利要求6所述的方法，其中，所述情感分类网络包括关系提取子网络、第一回归子网络、第二回归子网络和分类子网络；所述基于所述第一方面类别特征和所述第一文本特征，采用所述情感分类网络确定所述待处理文本在所述多个预定方面的情感类别包括：将所述融合情感特征和所述第一方面类别特征输入所述关系提取子网络，得到关系特征；将所述关系特征分别输入所述第一回归子网络和所述第二回归子网络，分别得到第一注意力特征和第二注意力特征；以及基于所述第一注意力特征和所述第二注意力特征，采用所述分类子网络确定所述待处理文本在所述多个预定方面的情感类别。8.根据权利要求7所述的方法，其中，所述分类子网络包括第一融合层、第二融合层和归一化层；所述基于所述第一注意力特征和所述第二注意力特征，采用所述分类子网络得到所述待处理文本在所述多个预定方面的情感类别包括：将所述第一注意力特征和第二注意力特征输入所述第一融合层，得到融合后特征；将所述融合后特征和所述融合情感特征输入所述第二融合层，得到情感类别特征；以及将所述情感类别特征输入所述归一化层，获得所述待处理文本在所述多个预定方面的情感类别。9.一种情感分类模型的训练方法，其中，所述情感分类模型包括特征提取网络、方面分类网络和情感分类网络；所述方法包括：将文本样本输入所述特征提取网络，得到所述文本样本的第二文本特征；所述文本样本包括文本的实际方面类别和所述实际方面类别的情感类别；基于所述第二文本特征，采用所述方面分类网络确定所述文本样本的第二方面类别特征和多个预定方面类别中所述文本样本的预测方面类别；基于所述第二方面类别特征和所述第二文本特征，采用所述情感分类网络确定所述文本样本在所述多个预定方面类别的预测情感类别；以及基于所述实际方面类别、所述预测方面类别、所述实际方面类别的情感类别和所述文本样本在所述实际方面类别的预测情感类别，对所述情感分类模型进行训练。10.一种采用情感分类模型进行情感分类的装置，其中，所述情感分类模型包括特征提取网络、方面分类网络和情感分类网络；所述装置包括：第一文本特征获得模块，用于将待处理文本输入所述特征提取网络，得到所述待处理文本的第一文本特征；第一方面类别预测模块，用于基于所述第一文本特征，采用所述方面分类网络确定所述待处理文...

【专利技术属性】
技术研发人员：杨哲，卓泽城，龚建，黄强，潘旭，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：