基于多粒度融合和图卷积网络的会话情感分析方法技术

本发明专利技术具体涉及基于多粒度融合和图卷积网络的会话情感分析方法，包括：获取会话序列；将会话序列输入至训练后的情感分类模型，输出得到各个语句的情感预测标签：通过预训练语言模型获取粗粒度上下文信息；其次通过各个语句内的句法依赖关系获取细粒度句法信息；再融合得到多粒度的语句嵌入表示，并输入至星图增强的图卷积网络和有向无环图神经网络，得到各个语句的背景情感语句表示和交互语句表示；进而融合得到各个语句的最终语句表示；最后基于各个语句的最终语句表示生成情感预测标签；本发明专利技术能够提取会话中的句子级特征和词级特征，并能够增强会话表征的现实性和可解释性，从而能够提高会话情感分析的准确性。够提高会话情感分析的准确性。够提高会话情感分析的准确性。

【技术实现步骤摘要】
基于多粒度融合和图卷积网络的会话情感分析方法


[0001]本专利技术涉及会话情感分类
，具体涉及基于多粒度融合和图卷积网络的会话情感分析方法。

技术介绍

[0002]会话情感分析是指对一段会话中的每个语句进行情感分类。最早研究情感分类的方法主要是基于神经网络的方法，社交媒体的兴起也使得具备丰富情感的会话数据激增，因此会话情感分析成为近两年来人工智能领域的一项新兴任务。
[0003]对话情感(情绪)分类同样是一个分类任务，具体来说就是对一段会话中的语句进行情感分类，这项任务旨在赋予计算机类似人一样的能力，使得计算机通过像人一样的观察、理解去识别会话中每个语句的情感，该任务在很多领域都具备潜在的应用价值。会话中的每一个语句的情感会受到多方面、多因素的影响，比如说话者之间会有情感传递的影响，因此需要对会话的上下文之间进行有效的建模。
[0004]现有技术针对会话情境的建模，主要分为基于图形的建模以及基于递归方式的建模，但这两种方式都存在一定的局限性：1)对于基于图形的建模来说，上下文信息的收集是根据窗口的滑动来收集窗口周围的信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
层中第i个会话中第j个语句的表示；S204：对语句增强表示进行最大池化，得到对应的细粒度句法信息；式中：表示细粒度句法信息；POOLING表示最大池化操作。4.如权利要求3所述的基于多粒度融合和图卷积网络的会话情感分析方法，其特征在于：步骤S2中，通过如下公式计算多粒度的语句嵌入表示：式中：g
i
表示多粒度的语句嵌入表示；表示细粒度句法信息；v
i
表示粗粒度上下文信息。5.如权利要求4所述的基于多粒度融合和图卷积网络的会话情感分析方法，其特征在于：步骤S2中，通过如下步骤生成交互语句表示：S211：以会话序列中的语句为节点构建会话序列的有向无环图；S212：基于有向无环图生成图注意力神经网络，并将融合语句嵌入表示输入至图注意力神经网络，输出拓扑关系语句表示力神经网络，输出拓扑关系语句表示力神经网络，输出拓扑关系语句表示式中：表示拓扑关系语句表示；表示可训练的参数；N
i
表示说话者之间的有向无环图中第i个说话者的邻居；||表示拼接操作；当l＝1时，说话者之间的有向无环图中第i个说话者的邻居；||表示拼接操作；当l＝1时，表示注意力分数；表示聚合之后语句的表示。S213：通过门控循环单元计算拓扑关系语句表示与融合之后的节点表示的交互，得到交互语句表示然后通过门控循环单元和拓扑关系语句表示对节点进行更新，得到更新节点表示更新，得到更新节点表示更新，得到更新节点表示式中：表示交互语句表示；表示更新节点表示；GRU表示门控循环单元；S214：将交互语句表示和更新节点表示进行融合，得到交互语句表示；式中：表示交互语句表示；表示交互语句表示；表示更新节点表示。6.如权利要求5所述的基于多粒度融合和图卷积网络的会话情感分析方法，其特征在于：步骤S2中，通过如下步骤生成背景情感语句表示：S221：基于会话序列构建会话星图，并在会话星图中构造一个星节点，使得会话星图中的所有节点与星节点完全连接；
S222：对会话序列中所有语句的融合语句嵌入表示进行平均池化操作，作为星节点的初始化表示；S223：基于自注意力机制，将星节点自...

【专利技术属性】
技术研发人员：朱小飞，王佳，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：