基于常识知识图谱的情感分析方法、装置以及设备制造方法及图纸

本发明专利技术涉及情感分析领域，特别涉及一种基于常识知识图谱的情感分析方法、装置、设备以及存储介质，通过构建待测文本数据集的知识图谱子图，获取与所述知识图谱子图相关联的常识特征向量，结合获取到的情感特征向量，更加全面地对待测文本数据集进行情感分析，提升了情感分析的准确性以及效率。感分析的准确性以及效率。感分析的准确性以及效率。

【技术实现步骤摘要】
基于常识知识图谱的情感分析方法、装置以及设备


[0001]本专利技术涉及情感分析领域，特别涉及一种基于常识知识图谱的情感分析方法、装置、设备以及存储介质。

技术介绍

[0002]如今，人们可以随时通过社交网站、博客或电商平台发表评论以表达他们对各种服务或产品的想法，这些在线评论影响着未来消费者的购买决策，同时也正成为衡量企业质量的重要的标准。为了给企业带来更高的收益，一个更为有效的情感分析方法也越来越被视为一项至关重要的任务。
[0003]目前的技术方案，通过采用计算模型分析文本语句中关于某一特定的主题、服务、或产品的观点是正面的、中性的、还是负面的，有针对性对用户的情感进行分析。其中一个重要的解决方案是细粒度情感分类（Aspect
‑
level sentiment classification，ALSC），即利用计算模型分析文本语句中关于某一特定的主题、服务、或产品的观点是正面的、中性的、还是负面的。然而现有的技术方案仅仅关注于在线评论的文本语句的上下文信息，无法准确地对文本语句进行准确的情感分析。
专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于常识知识图谱的情感分析方法，其特征在于，包括以下步骤：获取待测文本数据集，构建与所述待测文本数据集中若干个待测句子相关联的知识图谱子图，其中，所述知识图谱子图包括链接实体，以及与所述链接实体对应的摘要文本；根据所述知识图谱子图以及预设的知识图谱嵌入模型，获取与所述知识图谱子图的链接实体相关联的知识图谱嵌入矩阵，其中，所述知识图谱嵌入矩阵包括若干个链接实体嵌入向量；根据所述知识图谱子图以及预设的训练语言模型，获取与所述知识图谱子图中的摘要文本相关联的摘要特征向量矩阵，其中，所述摘要特征向量矩阵包括若干个摘要特征向量；根据所述知识图谱嵌入矩阵、摘要特征向量矩阵以及预设的图卷积神经网络模型，对所述知识图谱子图中的链接实体进行更新，获取更新后的所述链接实体的表达特征向量，作为常识特征向量；获取与所述待测文本数据集相关联的情感特征向量，将所述情感特征向量与常识特征向量进行拼接，作为情感分析特征向量，根据所述情感分析特征向量以及预设的情感分析算法，获取所述待测文本数据集的情感分析结果。2.根据权利要求1所述的基于常识知识图谱的情感分析方法，其特征在于：所述待测句子包括上文、与所述链接实体相关联的属性词以及下文，所述知识图谱子图还包括与所述待测句子相关联的各个链接实体彼此的连接关系，所述链接实体包括头链接实体以及尾链接实体。3.根据权利要求2所述的基于常识知识图谱的情感分析方法，其特征在于，所述构建与所述待测文本数据集中若干个待测句子相关联的知识图谱子图，包括步骤：根据所述待测句子中的上文、属性词、下文以及预设的双向编码器，获取与所述属性词相关联的属性特征向量；根据所述属性特征向量以及预设的知识图谱匹配池，从所述知识图谱匹配池中获取与所述待测句子相关联的链接实体，以及与所述链接实体对应的摘要文本，构建与所述待测句子相关联的知识图谱子图。4.根据权利要求3所述的基于常识知识图谱的情感分析方法，其特征在于，所述根据所述知识图谱子图以及预设的知识图谱嵌入模型，获取与所述知识图谱子图的链接实体相关联的知识图谱嵌入矩阵，包括步骤：根据所述连接关系以及所述知识图谱嵌入模型，构建与所述知识图谱子图相关联的知识图谱关系矩阵；根据所述头链接实体、连接关系、尾链接实体在所述知识图谱嵌入矩阵以及知识图谱关系矩阵中的索引，构建与所述知识图谱子图相关联的第一知识图谱集合组以及第二知识图谱集合组，所述第一知识图谱集合组为：式中，为所述第一知识图谱集合组中的头链接实体在所述知识图谱嵌入矩阵中的索引序号，为所述第与知识图谱集合组中的连接关系在所述知识图谱关系矩阵中的索引序号，为所述第一知识图谱集合组中的尾链接实体在所述知识图谱嵌入矩阵中的索引序号；
所述第二知识图谱集合组为：式中，为所述第二知识图谱集合组中的头链接实体在所述知识图谱嵌入矩阵中的索引序号，为所述第二知识图谱集合组中的连接关系在所述知识图谱关系矩阵中的索引序号，为所述第二知识图谱集合组中的尾链接实体在所述知识图谱嵌入矩阵中的索引序号；采用梯度下降方法，根据第一知识图谱集合组、第二知识图谱集合组以及预设的损失函数，对所述知识图谱嵌入矩阵、知识图谱关系矩阵进行更新，获取更新后的知识图谱嵌入矩阵，其中，所述损失函数为：式中，为所述损失函数，为知识图谱嵌入目标函数。5.根据权利要求4所述的基于常识知识图谱的情感分析方法，其特征在于，所述根据所述知识图谱嵌入矩阵、摘要特征向量矩阵以及预设的图卷积神经网络模型，对所述知识图谱子图中的链接实体进行更新，获取更新后的所述链接实体的表达特征向量，作为常识特征向量之前，包括步骤：根据所述知识图谱嵌入矩阵、摘要特征向量矩阵以及预设的标准化算法，获取标准化...

【专利技术属性】
技术研发人员：卢国钧，薛云，余海波，蔡倩华，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：