基于交互方面信息融合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，特别涉及一种基于交互方面信息融合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；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；将待测语句的词嵌入表示、语义特征以及句法特征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。型的分类模块输出的情感分析结果。型的分类模块输出的情感分析结果。

【技术实现步骤摘要】
基于交互方面信息融合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交互方面信息融合的语句情感分析方法、装置、设备以及存储介质。

技术介绍

[0002]在方面级别情感分类(aspect
‑
level sentiment classification)任务中，一个句子中包含多个方面词是该任务的难点。
[0003]目前，现有的模型会把句子中不同方面词的情感分类当作独立的任务去进行，并未考虑不同方面词之间的影响，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，提供一种基于交互方面信息融合的语句情感分析方法、装置、设备以及存储介质，通过扩展神经网络模型对不同方面词的联系，结合句子中其他方面词信息来预测当前方面词的情感倾向，提高了全局信息的提取，更加全面地对语句进行情感分析，从而提高语句的情感分析的准确性以及稳定性。
[0005]第一方面，本申请实施例提供了一种基于交互方面信息融合的语句情感分析本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于交互方面信息融合的语句情感分析方法，其特征在于，包括以下步骤：获得待测语句，所述待测语句包括若干个单词，将所述待测语句至预设的神经网络模型中的编码层，获得所述待测语句的若干个单词的双向特征，将所述待测语句的若干个单词的双向特征进行组合，获得所述待测语句的句子双向特征；构建所述待测语句的依存句法树，根据所述待测语句的句子双向特征以及依存句法树，构建所述待测语句的第一邻接矩阵；将所述待测语句的句子双向特征以及第一邻接矩阵输入至所述神经网络模型中的图卷积网络层，获得所述待测语句的图卷积特征；获取所述待测语句的依存句法树的不同的节点之间的句法距离数据，根据所述句法距离数据，构建所述待测语句的第二邻接矩阵，将所述待测语句的图卷积特征以及第二邻接矩阵输入至所述神经网络模型中的层次选择注意力网络层，获得所述待测语句的交互方面特征；将所述待测语句的图卷积特征以及交互方面特征输入至所述神经网络模型的信息融合层中，获得所述待测语句的融合特征；将所述待测语句的融合特征输入至所述神经网络模型的情感分析层中，获得所述待测语句的情感分析结果。2.根据权利要求1所述的基于交互方面信息融合的语句情感分析方法，其特征在于：所述编码层包括词嵌入模块以及语义信息编码模块；所述将所述待测语句至预设的神经网络模型中的编码层，获得所述待测语句的若干个单词的双向特征，包括步骤：将所述待测语句输入至所述编码层中的词嵌入模块中，获得所述待测语句的词嵌入矩阵，并与预设的标签矩阵进行拼接，获得所述待测语句的输入矩阵，其中，所述词嵌入矩阵包括所述待测语句中各个单词的词嵌入向量，所述标签矩阵包括所述待测语句中各个单词对应的标签嵌入向量；将所述待测语句的输入矩阵输入至所述编码层中的语义信息编码模块中进行编码，获得所述待测语句中各个单词的前向特征以及后向特征，进行拼接，获得所述待测语句的若干个单词的双向特征。3.根据权利要求2所述的基于交互方面信息融合的语句情感分析方法，其特征在于，所述构建所述待测语句的依存句法树，根据所述待测语句的句子双向特征以及依存句法树，构建所述待测语句的第一邻接矩阵，包括步骤：获取初始依存句法树，所述初始依存句法树包括若干个节点，将所述待测语句中的各个单词分别设置于所述初始依存句法树的各个节点，获取所述待测语句的依存句法树中不同的节点之间的依存关系类型，构建所述待测语句的依存句法树；根据所述依存关系类型，获取所述待测语句的依存句法树中不同的节点之间的依存关系嵌入向量，根据所述待测语句的句子双向特征，获取所述待测语句的依存句法树中各个节点对应的单词的双向特征；根据所述待测语句的依存句法树中不同的节点之间的依存关系嵌入向量、各个节点对应的单词的双向特征以及预设的注意力得分计算算法，计算所述待测语句的依存句法树的不同的节点之间的注意力得分，其中，所述注意力得分计算算法为：
式中，为所述依存句法树的第i个节点与第j个节点之间的注意力得分，为LeakyReLu函数，h
i
为第i个节点对应的单词的双向特征，W
SA
为第一训练参数；
⊙
为点乘符号，e
ij
为所述依存句法树的第i个节点与第j个节点之间的依存关系嵌入向量；根据所述待测语句的依存句法树的不同的节点之间的注意力得分以及预设归一化算法，获得所述待测语句的依存句法树的不同的节点之间的注意力概率，构建所述待测语句的第一邻接矩阵，其中，所述归一化算法为：式中，为所述依存句法树的第i个节点与第j个节点之间的注意力概率，为所述依存句法树的第i个节点的节点集合，x表示与所述依存句法树的第i个节点连接的第x个节点。4.根据权利要求3所述的基于交互方面信息融合的语句情感分析方法，其特征在于：所述图卷积网络层为多层图卷积网络层；所述将所述待测语句的句子双向特征以及第一邻接矩阵输入至所述神经网络模型中的图卷积网络层，获得所述待测语句的图卷积特征，包括步骤：根据所述待测语句的句子双向特征、第一邻接矩阵以及预设的第一图卷积特征计算算法，获得所述多层图卷积网络层的每一层输出的所述待测语句的图卷积特征，其中，所述第一图卷积特征计算算法为：式中，H
SA
为所述多层图卷积网络层的输出的所述待测语句的图卷积特征，H为所述待测语句的句子双向特征，A
SA
为所述待测语句的邻接矩阵，为第一图卷积特征计算函数，k表示所述多层图卷积网络层的层数。5.根据权利要求4所述的基于交互方面信息融合的语句情感分析方法，其特征在于：所述单词包括方面词以及上下文单词，所述第二邻接矩阵具体如下：式中，为所述依存句法树的第i个节点与第j个节点之间的句法距离数据，p为所述方面词的位置索引，w
j
为第j个节点的单词，w
aspect
表示为方面词，表示为
其他方面词，otherwise表示为上下文单词，len为所述待测语句的句子长度。6.根据权利要求5所述的基于交互方面信息融合的语句情感分析方法，其特征在于，所述将所述待测语句的图卷积特征以及第二邻接矩阵输入至所述神经网络模型中的层次选择注意力网络层，获得所述待测语句的交互方面特征，包括步骤：将所述...

【专利技术属性】
技术研发人员：蔡倩华，陈秉良，张良均，薛云，
申请(专利权)人：广东泰迪智能科技股份有限公司，
类型：发明
国别省市：