一种情感分析方法及装置、存储介质及电子设备制造方法及图纸

本申请提供了一种情感分析方法及装置、存储介质及电子设备，该方法获取评论文本，确定评论文本包括的各个语句中的情感句，以及确定每个情感句的上下文语句，对每个情感句进行分词处理，得到每个情感句对应的多个词语，并对每个情感句的上下文语句进行分词处理，得到每个上下文语句对应的多个词语，针对每个情感句，利用预先构建的情感分析模型，对情感句对应的各个词语，以及情感句的上下文语句对应的各个词语进行情感分析，得到情感句的情感分类结果。可见，本申请方案，预先构建情感分析模型，基于情感句和情感句的上下文特征，通过情感分析模型，确定情感句的情感分类结果，从而提高了情感分析的准确度。提高了情感分析的准确度。提高了情感分析的准确度。

【技术实现步骤摘要】
一种情感分析方法及装置、存储介质及电子设备


[0001]本申请涉及自然语言处理
，尤其涉及一种情感分析方法及装置、存储介质及电子设备。

技术介绍

[0002]随着网络媒体的迅速普及，大量含有主观评论的文本信息迅速传播，通过评论文本中情感句，分析网民情绪对于帮助掌握真实的舆情情况，以及对于科学有效的舆情引导工作都具有重要意义。
[0003]现有技术中，情感分析的过程为：基于情感句本身，通过CNN(Convol utional Neural Network，卷积神经网络)模型或RNN(Recurrent Neural Net works，循环神经网络)模型，实现对情感句的情感分析。现有的情感分析的准确度较差。

技术实现思路

[0004]专利技术人在研究过程中发现，除情感句本身包含情感特征外，情感句的上下文语句也包含情感特征，并且上下文语句所包含的情感特征会影响情感句的情感分析结果的准确度，基于此，本申请提供了一种情感分析方法及装置、存储介质及电子设备，目的在于解决现有的情感分析的准确度较低的问题。<br/>[0005]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种情感分析方法，其特征在于，包括：获取评论文本；所述评论文本包括至少一个语句；确定所述评论文本包括的各个语句中的情感句，以及确定每个情感句的上下文语句；对每个情感句进行分词处理，得到每个情感句对应的多个词语，并对每个情感句的上下文语句进行分词处理，得到每个上下文语句对应的多个词语；针对每个情感句，利用预先构建的情感分析模型，对所述情感句对应的各个词语，以及所述情感句的上下文语句对应的各个词语进行情感分析，得到所述情感句的情感分类结果。2.根据权利要求1所述的方法，其特征在于，所述情感分析模型包括词嵌入模型、第一编码模型、第二编模型、融合模型和情感分类模型，所述利用预先构建的情感分析模型，对所述情感句对应的各个词语，以及所述情感句的上下文语句对应的各个词语进行情感分析，得到所述情感句的情感分类结果，包括：利用所述词嵌入模型，对所述情感句对应的每个词语以及所述情感句的上下文语句对应的每个词语进行嵌入表示处理，得到情感句的情感句向量和所述上下文语句的上下文语句向量；利用所述第一编码模型，对所述情感句向量进行编码处理，得到所述情感句的双向时序特征；利用所述第二编码模型，对所述上下文语句向量进行编码处理，得到所述情感句的上下文语句的重要情感特征；利用所述融合模型，对所述情感句的双向时序特征和所述情感句的上下文语句的重要情感特征进行融合处理，得到所述情感句的融合特征，并从所述情感句的双向时序特征、所述情感句的上下文语句的重要情感特征、和所述融合特征中确定所述情感句的目标特征；将所述情感句的目标特征输入至所述情感分类模型，得到所述情感句分类结果。3.根据权利要求2所述的方法，其特征在于，所述利用所述第一编码模型，对所述情感句向量进行编码处理，得到所述情感句的双向时序特征，包括：利用所述第一编码模型中的GCNN编码层，对所述情感句向量进行编码处理，得到所述情感句的编码向量；利用所述第一编码模型中的双向门控循环单元BIGRU编码层，对所述情感句的编码向量进行编码处理，得到所述情感句的双向时序特征。4.根据权利要求2所述的方法，其特征在于，所述利用所述第二编码模型，对所述上下文语句向量进行编码处理，得到所述情感句的上下文语句的重要情感特...

【专利技术属性】
技术研发人员：潘东行，祝黎，王雪萌，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：