句子文本的情感检测方法、装置及计算机可读存储介质制造方法及图纸

本申请公开了一种句子文本的情感检测方法、装置及计算机可读存储介质。该方法包括：获取待处理的句子文本；利用眼动特征提取模型预测句子文本中每个单词对应的首次注视点持续时间和总阅读时间；提取每个单词对应的情感极性值；将首次注视点持续时间和总阅读时间分别与情感极性值融合，得到每个单词对应的首次注视情感

【技术实现步骤摘要】
句子文本的情感检测方法、装置及计算机可读存储介质


[0001]本申请涉及自然语言处理领域，特别是涉及句子文本的情感检测方法、装置及计算机可读存储介质。

技术介绍

[0002]文本情感分析(Sentiment Analysis)是自然语言处理(NLP)方法中常见的应用，也是一个有趣的基本任务，尤其是以提炼文本情绪内容为目的的分类，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程，可以对人们对产品、服务、组织、个人、问题、事件、话题及其属性的观点、情感、情绪、评价和态度的计算研究。
[0003]一些眼动信号的文本情感检测很大程度上依赖于具有眼动信号的数据集，并且仅基于眼动信号和文本特征构建注意力模型，眼动信号采集成本高，并且忽略了情感信息在眼动信号学习中的作用，导致情感检测偏离正确方向。

技术实现思路

[0004]本申请主要提供一种句子文本的情感检测方法、装置及计算机可读存储介质，解决了现有技术中句子文本情感检测准确度低的问题。
[0005]为解决上述技术问题，本申请第一方面提供了一种句子文本的情感检测方法，包括：获取待处理的句子文本；利用眼动特征提取模型预测所述句子文本中每个单词对应的首次注视点持续时间和总阅读时间；提取每个所述单词对应的情感极性值；将所述首次注视点持续时间和所述总阅读时间分别与情感极性值融合，得到每个所述单词对应的首次注视情感
‑
眼动权重和总阅读情感
‑
眼动权重；基于所述首次注视情感
‑
眼动权重和所述总阅读情感
‑
眼动权重对所述句子文本进行情感预测，得到情感预测结果。
[0006]为解决上述技术问题，本申请第二方面提供了句子文本的情感检测装置，包括相互耦接的处理器和存储器；所述存储器中存储有计算机程序，所述处理器用于执行所述计算机程序以实现如上述第一方面提供的句子文本的情感检测方法。
[0007]为解决上述技术问题，本申请第三方面提供了一种计算机可读存储介质，计算机可读存储介质存储有程序数据，所述程序数据被处理器执行时，实现上述第一方面提供的句子文本的情感检测方法。
[0008]本申请的有益效果是：区别于现有技术的情况，本申请获取待处理的句子文本，利用眼动特征提取模型预测句子文本中每个单词对应的首次注视点持续时间和总阅读时间，提取每个单词对应的情感极性值；将首次注视点持续时间和总阅读时间分别与情感极性值融合，得到每个单词对应的首次注视情感
‑
眼动权重和总阅读情感
‑
眼动权重，基于首次注视情感
‑
眼动权重和总阅读情感
‑
眼动权重对句子文本进行情感预测，得到情感预测结果。通过上述方式，本申请可通过预训练的眼动特征提取模型提取各单词对应的首次注视点持续时间和总阅读时间，并结合单词的情感极性值进行语义特征提取和情感预测，在减少情感预测所需信息的情况下，提高情感检测的准确度，情感预测结果可信度高。
附图说明
[0009]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0010]图1是本申请句子文本的情感检测方法一实施例的流程示意框图；
[0011]图2是本申请步骤S12一实施例的流程示意框图；
[0012]图3是本申请提取眼动特征一实施例的示意图；
[0013]图4是本申请获取情感
‑
眼动权重一实施例的流程示意图；
[0014]图5是本申请步骤S15一实施例的流程示意框图；
[0015]图6是本申请步骤S51一实施例的流程示意框图；
[0016]图7是本申请提取语义特征一实施例的示意图；
[0017]图8是本申请步骤S52一实施例的示意图；
[0018]图9是本申请获得融合特征一实施例的示意图；
[0019]图10是本申请句子文本的情感检测装置一实施例的结构示意框图；
[0020]图11是本申请句子文本的情感检测装置另一实施例的结构示意框图；
[0021]图12是本申请计算机可读存储介质一实施例的结构示意框图。
具体实施方式
[0022]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0023]本申请中的术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0024]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解是，本文所描述的实施例可以与其他实施例结合。
[0025]请参阅图1，图1是本申请句子文本的情感检测方法一实施例的流程示意框图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。本实施例包括以下步骤：
[0026]步骤S11：获取待处理的句子文本。
[0027]待处理的句子文本由至少一个单词文本构成。
[0028]其中，待处理的句子文本可以是通过互联网查询得到，例如是在社交网站上由网站用户发表的帖子中的句子文本；待处理的句子文本还可以是通过输入检测得到的，例如是通过键盘输入或语音输入转换得到的句子。此处仅为举例说明，并不限定待处理句子的获取方式。
[0029]步骤S12：利用眼动特征提取模型预测句子文本中每个单词对应的首次注视点持续时间和总阅读时间。
[0030]在其中一实施例中，眼动特征提取模型包括语言特征提取模块和映射模块。请结合参阅图2和图3，步骤S12可进一步包括以下实施步骤：
[0031]步骤S21：利用语言特征提取模块提取句子文本中各单词的语言特征。
[0032]述语言特征包括：字特征、词特征以及复杂特征；其中，字特征至少包括单词的字符数量信息和单词是否以大写字母开头的信息，词特征至少包括单词的词义数量信息和单词中是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种句子文本的情感检测方法，其特征在于，所述方法包括：获取待处理的句子文本；利用眼动特征提取模型预测所述句子文本中每个单词对应的首次注视点持续时间和总阅读时间；提取每个所述单词对应的情感极性值；将所述首次注视点持续时间和所述总阅读时间分别与情感极性值融合，得到每个所述单词对应的首次注视情感
‑
眼动权重和总阅读情感
‑
眼动权重；基于所述首次注视情感
‑
眼动权重和所述总阅读情感
‑
眼动权重对所述句子文本进行情感预测，得到情感预测结果。2.根据权利要求1所述的方法，其特征在于，所述眼动特征提取模型包括语言特征提取模块和映射模块，所述利用眼动特征提取模型预测所述句子文本中每个单词对应的首次注视点持续时间和总阅读时间，包括：利用语言特征提取模块所述提取所述句子文本中各所述单词的语言特征；利用所述映射模块中预设的映射关系将所述语言特征转换为所述首次注视点持续时间和所述总阅读时间。3.根据权利要求2所述的方法，其特征在于，所述语言特征包括：字特征、词特征以及复杂特征；其中，所述字特征至少包括所述单词的字符数量信息和所述单词是否以大写字母开头的信息，所述词特征至少包括所述单词的词义数量信息和所述单词中是否存在实体关键词的信息，所述复杂特征至少包括支配节点数量信息、单词数信息以及最大依存距离信息。4.根据权利要求2所述的方法，其特征在于，所述利用所述映射模块中预设的映射关系将所述语言特征转换为所述首次注视点持续时间和所述总阅读时间之前，所述方法还包括：利用带有首次注视点持续时间真实值和总阅读时间真实值的眼动数据集对所述眼动特征提取模型进行预训练，以分别得到对应于各眼动数据的首次注视点持续时间预测值和总阅读时间预测值；基于所述首次注视点持续时间真实值、所述首次注视点持续时间预测值以及设定的第一正则化权重拟合得到对应于所述首次注视点持续时间的第一映射关系的第一权重向量；以及，基于所述总阅读时间真实值、所述总阅读时间预测值以及设定的第二正则化权重拟合得到对应于所述总阅读时间的第二映射关系的第二权重向量。5.根据权利要求1所述的方法，其特征在于，所述将所述首次注视点持续时间和所述总阅读时间分别与情感极性值融合，得到每个所述单词对应的首次注视情感
‑
眼动权重和总阅读情感
‑
眼动权重，包括：将单个单词的首次注视...

【专利技术属性】
技术研发人员：徐睿峰，王冰冰，梁斌，杨敏，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：