句子情感分析方法、装置、设备以及存储介质制造方法及图纸

本发明专利技术涉及情感分析领域，特别涉及一种句子情感分析方法，方法包括：获取待测语句的句子表示、依赖信息以及词性标注信息，将待测语句的句子表示输入至词嵌入模型，获取待测语句的词嵌入表示；将待测语句的词嵌入表示、依赖类型信息以及词性标注信息输入记忆神经网络，获取待测语句的依赖类型特征表示以及词性标注特征表示；将待测语句的词嵌入表示、依赖类型特征表示以及词性标注特征表示输入至图卷积神经网络，获取隐藏层特征表示，获取距离数据，将隐藏层特征表示以及距离数据输入至面向方面词语句表示模型，获取目标语句特征表示；将方面词对应的隐藏层特征表示、目标语句特征表示输入至全连接神经网络，获取情感分析结果。果。果。

【技术实现步骤摘要】
句子情感分析方法、装置、设备以及存储介质


[0001]本专利技术涉及情感分析领域，特别涉及是一种句子情感分析方法、装置、设备以及存储介质。

技术介绍

[0002]随着网络时代的发展，人们会通过各种社交媒体或APP对一些产品、商铺和人物等发表自己的观点，作为一项细粒度的情感分析任务，基于方面级的情感分析目前已受到广泛的关注。
[0003]现有的技术方案是基于语义的方法，通常都是通过神经网络自动学习各上下文单词的注意力权重，结合该注意力权重对句子的方面词进行分析，然而，缺乏先验知识可能会造成方面词对上下文词的关联偏差，从而引入一些不必要的噪声，导致识别情绪信息结果不准确，效率低下，从而无法准确地对文本语句进行情感分析。

技术实现思路

[0004]基于此，本专利技术的目的在于，提供一种句子情感分析方法、装置、设备以及存储介质，通过结合待测语句的依赖信息以及词性标注信息，提高了方面词对上下文词的关联性，从而更加精确地对文本语句的情感进行分析。
[0005]第一方面，本申请实施例提供了一种句子情感分析方法，包括以下步骤：获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种句子情感分析方法，其特征在于，包括以下步骤：获取待测语句的句子表示、依赖信息以及词性标注信息，其中，所述待测语句包括若干个句子，所述句子包括若干个单词，所述单词包括上下文单词以及方面词，所述依赖信息包括依赖边信息以及依赖类型信息，所述依赖边信息为单词与单词之间的具有依赖关系，所述依赖类型信息为单词与单词之间的依赖类型向量表示，所述词性标注信息为各个单词对应的词性标注向量表示；将所述句子表示输入至预设的词嵌入模型，获取所述各个单词对应的词嵌入表示；将所述各个单词对应的词嵌入表示、所述依赖类型信息以及所述词性标注信息输入预设的记忆神经网络中，获取所述各个单词对应的依赖类型特征表示以及词性标注特征表示；将所述待测语句的依赖信息以及词性标注信息，所述待测语句的各个单词对应的词嵌入表示、依赖类型特征表示以及词性标注特征表示输入至预设的图卷积神经网络中，获取各个单词对应的隐藏层特征表示，其中，所述隐藏层特征表示包括上下文单词对应的隐藏层特征表示以及方面词对应的隐藏层特征表示；获取所述上下文单词与所述方面词之间的距离数据，将所述隐藏层特征表示以及所述距离数据输入至预设的面向方面词语句表示模型中，获取目标语句特征表示；将所述方面词对应的隐藏层特征表示、目标语句特征表示输入至预设的全连接神经网络，获取情感分析结果。2.根据权利要求1所述的句子情感分析方法，其特征在于：所述记忆神经网络包括依次连接的权重层以及编码层；所述将所述各个单词对应的词嵌入表示、所述依赖类型信息以及所述词性标注信息输入预设的记忆神经网络中，获取所述各个单词对应的依赖类型特征表示以及词性标注特征表示，包括步骤：获取所述待测语句中单词与单词之间的依赖边特征表示，将所述待测语句的各个单词对应的词嵌入表示以及依赖边特征表示输入至所述权重层，根据预设的第一权重系数计算算法，获取所述待测语句的第一权重系数集，其中，所述第一权重系数集包括单词与单词之间的第一权重系数，所述第一权重系数计算算法为：式中，为第i个单词以及第j个单词之间的第一权重系数，为第i个单词对应的词嵌入表示，为第j个单词对应的词嵌入表示，n为所述待测语句的单词的总数目；为第i个单词与第j个单词之间的依赖边特征表示；将所述第一权重系数集、待测语句的依赖类型信息以及词性标注信息输入至所述编码层，根据预设的依赖类型特征表示计算算法以及词性标注特征表示计算算法，分别获取所述待测语句的各个单词对应的依赖类型特征表示以及词性标注特征表示，其中，所述依赖类型特征表示计算算法为：
式中，为第i个单词对应的依赖类型特征表示，为第i个单词以及第j个单词之间的依赖类型向量表示；所述词性标注特征表示计算算法为：式中，为第i个单词对应的词性标注特征表示，为第j个对应的词性标注向量表示。3.根据权利要求2所述的句子情感分析方法，其特征在于，所述获取所述待测语句中单词与单词之间的依赖边特征表示之前，包括步骤：根据所述依赖信息中的依赖边信息，构建所述待测语句的依赖边矩阵，其中，所述依赖边矩阵为：式中，A为所述依赖边矩阵，为依赖边特征表示，代表所述依赖边信息为单词与单词之间的具有依赖关系，代表所述依赖边信息为单词与单词之间的不具有依赖关系。4.根据权利要求2所述的句子情感分析方法，其特征在于：所述图卷积神经网络包括依次连接的图卷积计算模块、权重计算模块以及隐藏特征计算模块，其中，所述图卷积计算模块以及隐藏特征计算模块均包括依次连接的输入层以及若干个图卷积层；所述将所述待测语句的依赖信息以及词性标注信息，所述待测语句的各个单词对应的词嵌入表示、依赖类型特征表示以及词性标注特征表示输入至预设的图卷积神经网络中，获取各个单词对应的隐藏层特征表示，包括步骤：将所述待测语句的各个单词对应的词嵌入表示、依赖类型特征表示以及词性标注特征表示输入至所述图卷积计算模块的输入层，根据预设的第一拼接公式，获取所述图卷积计算模块的输入层对应的各个单词对应的拼接特征表示，并将所述图卷积计算模块的输入层对应的各个单词对应的拼接特征表示作为所述隐藏特征计算模块的输入层对应的各个单词对应的拼接特征表示，其中，所述第一拼接公式为：式中，为所述图卷积计算模块的输入层对应的第i个单词对应的拼接特征表示，为拼接符号；为图卷积计算模块的输入层对应的第j个单词对应的拼接特征表示；将所述隐藏特征计算模块的输入层对应的各个单词对应的拼接特征表示、所述依赖信息中的依赖类型信息以及词性标注信息输入至所述图卷积计算模块的图卷积层，根据预设的第二拼接公式，获取所述图卷积计算模块的图卷积层的第一层对应的各个单词对应的拼接特征表示，其中，所述第二拼接公式为：式中，为所述隐藏特征计算模块的第l层对应的第i个单词对应的隐藏层特征表示；
获取所述待测语句中单词与单词之间的依赖边特征表示，将所述图卷积计算模块的图卷积层的第一层对应的各个单词对应的拼接特征表示输入至所述权重计算模块，根据预设的第二权重系数计算算法，获取所述权重计算模块的第一层对应的第二权重系数，其中，所述第二权重系数计算算法为：式中，为所述权重计算模块的第l层对应的第i个单词以及第j个单词对应的第二权重系数，为所述依赖边特征表示，为所述图卷积计算模块的第l层的图卷积层对应的第i个单词对应的拼接特征表示，为所述图卷积计算模块的第l层的图卷积层对应的第j个单词对应的拼接特征表示；将所述隐藏特征计算模块的输入层对应的各个单词对应的隐藏层特征表示以及所述权重计算模块的第一层对应的第二权重系数输入至所述隐...

【专利技术属性】
技术研发人员：杨锦杰，胡晓晖，薛云，代安安，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：