一种基于三维目标矩阵的属性级情感分析方法及系统技术方案

本发明专利技术提出了一种基于三维目标矩阵的属性级情感分析方法及系统，属于数据处理技术领域，包括：将训练集中的每个评论句子处理成所需要的输入格式；在上述格式的基础上，构造出能够一次性表示对应评论句子所有属性的三维目标矩阵；将处理的训练集输入模型进行监督学习训练，在模型的最后一层得到第一矩阵向量表示，将此向量表示输入进池化汇集层得到第二矩阵向量表示，再经过线性变换层以及激活操作得到最终的第三矩阵向量表示；每训练完一次模型，对训练后的模型在验证集上进行一次验证，获得最优模型；对待分析的评论句子输入至最优模型解码出表示每个属性的情感极性。模型解码出表示每个属性的情感极性。模型解码出表示每个属性的情感极性。

【技术实现步骤摘要】
一种基于三维目标矩阵的属性级情感分析方法及系统


[0001]本专利技术属于数据处理
，尤其涉及一种基于三维目标矩阵的属性级情感分析方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着互联网的迅速普及和快速发展，亿万用户在互联网上获取信息并且发表自己的观点，表达自己的情感。
[0004]在电商领域中，通过对用户的评论进行情感分析，可以为消费者在购买商品和决策选店上提供参考，也可以帮助商家去更好得了解用户的建议和需求，进而改善商家的服务质量和水平。
[0005]在包含两种相关任务的属性级情感分析上，之前的方法将模型整体设计为共享层和任务相关层，在共享层编码层上采用BERT模型计算评论文本在不同属性上的深度语义表示，在任务相关层上分别对星级分类任务和属性级情感分类任务进行学习和预测。
[0006]上述方式只是在共享编码层上对星级分类任务和属性级情感分类两种相关任务进行了简单的交互操作，不能充分利用原本两个任务中各自的信息，另外，需要多次本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维目标矩阵的属性级情感分析方法，其特征是，包括：将训练集中的每个评论句子处理成所需要的输入格式；在上述格式的基础上，构造出能够一次性表示对应评论句子所有属性的三维目标矩阵；将处理的训练集输入模型进行监督学习训练，在模型的最后一层得到第一矩阵向量表示，将此向量表示输入进池化汇集层得到第二矩阵向量表示，再经过线性变换层以及激活操作得到最终的第三矩阵向量表示；每训练完一次模型，对训练后的模型在验证集上进行一次验证，获得最优模型；对待分析的评论句子输入至最优模型解码出表示每个属性的情感极性。2.如权利要求1所述的一种基于三维目标矩阵的属性级情感分析方法，其特征是，将训练集中的每个评论句子处理成所需要的输入格式，每个句子后面对应有多个属性，包括星级属性，表示评论句子总体上的情感观点，还有多个按属性分类的标签；进一步优选的，每个属性包含正向、中立、负向、未提及四种标签，用来表示评论句子在细粒度上的情感极性。3.如权利要求1所述的一种基于三维目标矩阵的属性级情感分析方法，其特征是，所述三维目标矩阵表示出一个句子的所有属性及目标值；第一维用来表示评论句子整体上表达的星级属性；第二维用来表示属性类别；第三维上用来表示每个属性上的情感极性。4.如权利要求1所述的一种基于三维目标矩阵的属性级情感分析方法，其特征是，监督学习训练的过程中，使用交叉熵损失函数来计算损失，使用AdamW优化器来优化模型的参数。5.如权利要求1所述的一种基于三维目标矩阵的属性级情感分析方法，其特征是，对训练后的模型在验证集上进行一次验证，在验证过程中不会更新模型的参数。6.如权利要求1所述的一种基于三维目标矩阵的属性级情感分析方法，其特征是，将预处理后的验证集输入进训练好的模型，得到矩阵向量表示，然...

【专利技术属性】
技术研发人员：李钊，赵秀浩，辛国茂，陈通，吴士伟，孙浩，宫传华，
申请(专利权)人：山东亿云信息技术有限公司，
类型：发明
国别省市：