基于多上下文和多词段图卷积网络的特定目标情感识别模型制造技术

本发明专利技术公开基于多上下文和多词段图卷积网络的特定目标情感识别方法，步骤：将目标句子转化为向量输入到LSTM神经网络强化学习，输出句子向量；对从全局协同图的得到的局部协同图以及句子向量进行图卷积操作输出第一图卷积输出结果；对使用分词工具Spacy得到句子图以及句子向量进行图卷积操作输出第二图卷积输出结果；利用门控机制把第一图卷积输出结果与第二图卷积输出结果进行内积操作，将协同图信息转移到图表示上；运用注意力机制把门控机制的输出结果中的目标词汇聚起来，得到对目标情感分类的目标信息。本发明专利技术提出的基于多上下文和多词段学习的方法，可以自动识别情感信息。息。息。

【技术实现步骤摘要】
基于多上下文和多词段图卷积网络的特定目标情感识别模型


[0001]本专利技术涉及计算机技术和自然语言
，特别是涉及一种基于多上下 文和多词段图卷积网络的特定目标情感识别模型，通过对多句子上下文和不同 的词段学习来自动学习情感信息，实现情感分析任务。

技术介绍

[0002]对于人类而言语言是非常重要的，语言的出现带来了人与人之间的交流， 随着语言的出现，记录语言的东西也出现，这就是文字，一个人从出生起就开 始学习文字，理解文字的内容变得非常重要，在今天这个互联网时代，每个人 都离不开手机，人们需要在购物网站上购买自己喜欢的物品，而物品的评论是 重点要参考的，这些评论文字中的情感信息是本专利技术重点关注的，这就产生了 情感识别分析领域。
[0003]在深度学习算法出现之前，情感分析任务是基于传统特征统计的方法，这 一类比较有代表性的方法是采用支持向量机和文本特征的方法，这种方法的优 点是可以完成本专利技术的情感分析任务，缺点是需要大量的人工成本，不利于商 业化使用。深度学习的出现解决了人工构建特征的高成本问题，深度学习采用 了一种特殊本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多上下文和多词段图卷积网络的特定目标情感识别方法，其特征在于，基于特定目标情感识别模型实现，该模型的处理步骤如下：将目标句子转化为向量输入到LSTM神经网络强化学习，输出句子向量；对从全局协同图的得到的局部协同图以及所述句子向量进行图卷积操作输出第一图卷积输出结果；对使用分词工具Spacy得到句子图以及所述句子向量进行图卷积操作输出第二图卷积输出结果；利用门控机制把第一图卷积输出结果与第二图卷积输出结果进行矩阵的内积操作，将协同图信息转移到图表示上；运用注意力机制把门控机制的输出结果中的目标词汇聚起来，得到对目标情感分类的目标信息。2.根据权利要求1所述基于多上下文和多词段图卷积网络的特定目标情感识别方法，其特征在于，所述全局协同图是一大型矩阵，用于统计不同的两个词在多个句子中的出现频率；局部协同图是一个小型矩阵，每一个元素取值来源于全局协同图。3.根据权利要求2所述基于多上下文和多词段图卷积网络的特定目标情感识别方法，其特征在于，全局协同图中在统计不同的两个词在多个句子中的出现频率时只考虑包含更多的情感成分的开放类词之间的关系。4.根据权利要求2所述基于多上下文和多词段图卷积网络的特定目标情感识别方法，其特征在于，所述全局协同图在进行句子处理，把词映射为对应的词性标签，分为开放类、封闭类和其他三种类型，开放类包括形容词、副词在内的情感词。5.根据权利要求1所述基于多上下文和多词段图卷积网络的特定目标情感识别方法，其特征在于，利用统计方法对所有词在多句子上下文中出现的频率进行计算，所有词之间形成了全局协同图，然后依据具体的句子和特定目标，只考虑特定目标与开放类词从全局协同图中检索特定目标对应位置的权值，利用获取得到...

【专利技术属性】
技术研发人员：饶国政，喻开智，
申请(专利权)人：天津大学，
类型：发明
国别省市：