【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。