基于语义和句法双通道的语句情感分析方法以及装置制造方法及图纸

本发明专利技术涉及情感分析领域，特别涉及一种基于语义和句法双通道的语句情感分析方法，方法包括：获得待测语句的句子表示，其中，待测语句包括若干个句子；将待测语句的句子表示输入至预设的神经网络模型中的句子编码模块，获得待测语句的词嵌入表示；将待测语句的词嵌入表示以及句子表示输入至神经网络模型中的语义通道，获得待测语句的语义特征表示；将待测语句的词嵌入表示以及句子表示输入至神经网络模型中的句法通道，获得待测语句的句法特征表示；将待测语句的词嵌入表示、语义特征表示以及句法特征表示输入至神经网络模型的分类模块中，获取神经网络模型的分类模块输出的情感分析结果。分析结果。分析结果。

【技术实现步骤摘要】
基于语义和句法双通道的语句情感分析方法以及装置


[0001]本专利技术涉及情感分析领域，特别涉及是一种基于语义和句法双通道的语句情感分析方法、装置、设备以及存储介质。

技术介绍

[0002]文本方面级情感分析任务(ABSA)是预测同一句子中不同方面词不同情感极性的细粒度任务。主要难题是如何构建方面词和情感之间的强依赖关系。最近，图神经网络在句法依赖树上提取句法依赖关系已成为主流趋势。
[0003]目前，利用双向长短期记忆网络(Bi
‑
LSTM)对树的节点(单词)进行初始化，再通过堆叠GCN进一步增强提取句法特征嵌入，但是这些方法都没有很好的解决依赖树本身存在的噪声和不稳定性，并且过于依赖单一信息建模，而忽略了多元信息的重要性，从而无法准确地对语句进行准确的情感分析。

技术实现思路

[0004]基于此，本专利技术的目的在于，提供一种基于语义和句法双通道的语句情感分析方法、装置、设备以及存储介质，利用句法和语义双通道同时考虑句法和语义信息，提高了全局信息的提取，避免引入过多无关的噪声，更加全面地对语句进行情本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语义和句法双通道的语句情感分析方法，其特征在于，包括以下步骤：获取待测语句的句子表示以及预设的神经网络模型；其中，所述待测语句包括若干个句子，句子包括若干个单词，所述单词包括方面词以及上下文单词；所述预设的神经网络模型包括依次连接的句子编码模块、语义通道、句法通道以及分类模块；将所述待测语句的句子表示输入至预设的神经网络模型中的句子编码模块，获得所述待测语句的词嵌入表示，其中，所述词嵌入表示包括各个单词对应的词嵌入向量；将所述待测语句的词嵌入表示以及句子表示输入至所述神经网络模型中的语义通道，获得所述待测语句的语义特征表示；将所述待测语句的词嵌入表示以及句子表示输入至所述神经网络模型中的句法通道，获得所述待测语句的句法特征表示；将所述待测语句的词嵌入表示、语义特征表示以及句法特征表示输入至所述神经网络模型的分类模块中，获取所述神经网络模型的分类模块输出的情感分析结果。2.根据权利要求1所述的基于语义和句法双通道的语句情感分析方法，其特征在于：所述语义通道包括依次连接的语义整体特征计算模块以及语义局部特征计算模块；所述将所述待测语句的词嵌入表示以及句子表示输入至所述神经网络模型中的语义通道，获得所述待测语句的语义特征表示，包括步骤：将所述待测语句的词嵌入表示输入至所述语义通道中的语义整体特征计算模块中，获得所述待测语句的语义整体特征表示；将所述待测语句的句子表示输入至所述语义通道中的语义局部特征计算模块中，获得所述待测语句的语义局部特征表示；将所述待测语句的词嵌入表示、语义整体特征表示、语义局部特征表示进行多层残差连接处理，获得所述待测语句的语义特征表示。3.根据权利要求2所述的基于语义和句法双通道的语句情感分析方法，其特征在于：所述语义整体特征计算模块包括依次连接的映射模块、多头自注意力模块以及逐词卷积模块；所述将所述待测语句的词嵌入表示输入至所述语义通道中的语义整体特征计算模块中，获得所述待测语句的语义整体特征表示，包括步骤：将所述待测语句的词嵌入表示中各个单词对应的词嵌入向量输入至所述映射模块中，获得所述映射模块输出的若干个等维度的子空间，其中，所述子空间包括第一子空间以及第二子空间，其中，所述第一子空间为：式中，K为所述第一子空间，H为所述待测语句的词嵌入表示，为所述第一子空间的参数矩阵，d
h
为所述句子编码层的输出维度，h为所述子空间的数目；所述第二子空间为：
式中，Q为所述第二子空间，为所述第二子空间的参数矩阵，将所述子空间输入至所述多头自注意力模块，根据预设的隐藏层计算算法，获得所述多头自注意力模块输出的各个子空间对应的隐藏层表示，其中，所述隐藏层计算算法为：式中，为所述多头自注意力模块的第m个子空间对应的隐藏层表示，其中，1≤m≤h，softmax()为归一化指数函数；将所述隐藏层表示输入至所述逐词卷积模块，根据预设的逐词卷积算法，获得所述逐词卷积模块输出的隐状态参数，作为所述待测语句的语义整体特征表示，其中，所述逐词卷积算法为：式中，为所述逐词卷积模块输出的隐状态参数，Concat()为拼接函数，W
O
为预设的权重参数；σ()为第一激活函数，为第一可训练权重参数，为第一偏置参数，为第二可训练权重参数，为第二偏置参数。4.根据权利要求3所述的基于语义和句法双通道的语句情感分析方法，其特征在于，所述将所述待测语句的句子表示输入至所述语义通道中的语义局部特征计算模块中，获得所述待测语句的语义局部特征表示，包括步骤：获取所述方面词以及上下文单词在所述待测语句的句子表示中的位置坐标，根据所述语义局部特征计算模块中的语义相对距离计算算法，获得各个方面词与每个上下文单词之间的语义相对距离，其中，所述语义相对距离计算算法为：式中，SRD
i
为第i个方面词对应的语义相对距离，P
i
为所述上下文单词在所述待测语句的句子表示中的位置坐标，P
a
为所述方面词在所述待测语句的句子表示中的位置坐标，len
asp
为由所述方面词对应的向量组成的序列的长度；根据所述语义相对距离以及预设的语义距离阈值，获得各个方面词与每个上下文单词之间的第一注意力向量，构建所述方面词对应的第一注意力矩阵；根据所述第一注意力矩阵、各个子空间对应的隐藏层表示以及所述语义局部特征计算模块中的第一元素点积算法，获取所述语义局部特征计算模块输出的所述待测语句的语义局部特征表示，其中，所述第一元素点积算法为：式中，为所述待测语句的语义局部特征表示，M
sem
为所述第一注意力矩阵。5.根据权利要求1所述的基于语义和句法双通道的语句情感分析方法，其特征在于：
所述句法通道包括依次连接的句法整体特征计算模块以及句法局部特征计算模块；所述将所述待测语句的词嵌入表示、所述根节点与子节点的距离输入至所述神经网络模型中的句法通道，获得所述待测语句的句法特征表示，包括步骤：将所述待测语句的词嵌入表示输入至所述句法通道中的句法整体特征计算模块中，获得所述待测语句的句法整体特征表示；将所述待测语句的句子表示输入至所述句法通道中的句法局部特征计算模块中，获得所述待测语句的句法局部特征表示；将所述待测语句的词嵌入表示、句法整体特征表示、句法局部特征表示进行多层残差连接处理，获得所述待测语句的句法特征表示。6.根据权利...

【专利技术属性】
技术研发人员：郑梦云，唐小煜，李萍，龚雅云，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：