【技术实现步骤摘要】
一种基于对比学习的方面级情感分析方法及装置
[0001]本专利技术涉及自然语言处理及人工智能领域，特别是涉及一种基于对比学习的方面级情感分析方法及装置。
技术介绍
[0002]在机器学习与深度学习领域的交叉融合发展下，文本情感分析已经成为了自然语言处理领域的研究热点与难点。其中，由于方面级情感分析(ABSA)能够提供细粒度的情感分析，因而受到了越来越多的关注。传统的ABSA的目的是检测句子中相应目标的情感。例如给定一个句子：“Saul is the best restaurant on Smith Street and in Brooklyn.”，其中包含一个目标“Saul”和一个预定义的方面“RESTAURANT#GENERAL”。虽然目标“Saul”和方面“RESTAURANT#GENERAL”所对应的情感都是积极的，然而传统的ABSA仅仅只能检测出(Saul，positive)或者(RESTAURANT#GENERAL，positive)两个二元组，无法提供更细粒度的情感分析。为了进一步分析句子中的不同目标在不同方面的...
【技术保护点】
【技术特征摘要】
1.一种基于对比学习的方面级情感分析方法，其特征在于，包括：步骤S1，基于预设的多个方面情感对生成多个提示句对，一个提示句对包括包含同一个方面情感对的一个疑问提示句和一个回答提示句；步骤S2，获取待分析语句，将待分析语句输入基于对比学习的方面级情感分析模型获得分析结果，所述基于对比学习的方面级情感分析模型包括：增强模块，被配置为将待分析语句与不同提示句对中的疑问提示句或回答提示句组合获得不同的待分析增强语句；预训练编码层，被配置为对待分析增强语句进行词嵌入处理，对词嵌入处理结果进行编码处理获得所述待分析增强语句的句子表示向量和所有单词的词向量；第一激活函数层，被配置为基于所述待分析增强语句的句子表示向量获取第一分析结果，所述第一分析结果为所述待分析增强语句中的待分析语句是否与该待分析增强语句包含的方面情感对匹配的判断结果；第二激活函数层，被配置为当第一分析结果为待分析增强语句中的待分析语句与该待分析增强语句包含的方面情感对匹配时，对待分析语句的所有词向量进行解码获得解码序列，并在解码序列中标记出与方面情感对匹配的目标词语位置从而获得标记序列，将标记序列记为第二分析结果。2.如权利要求1所述的基于对比学习的方面级情感分析方法，其特征在于，通过疑问提示函数生成疑问提示句；和/或，通过回答提示函数生成回答提示句。3.如权利要求2所述的基于对比学习的方面级情感分析方法，其特征在于，疑问提示函数生成疑问提示句的执行过程为：将方面情感对中的方面和情感分别代入疑问提示句模板中的方面对应位置和情感对应位置，所述疑问提示句模板为：Does the sentiment{}belongs to the aspect{}。4.如权利要求2或3所述的基于对比学习的方面级情感分析方法，其特征在于，回答提示函数生成回答提示句的执行过程为：将方面情感对中的方面和情感分别代入回答提示句模板中的方面对应位置和情感对应位置，所述回答提示句模板为：The sentiment of theaspect{}is{}。5.如权利要求4所述的基于对比学习的方面级情感分析方法，其特征在于，当第一激活函数层输出的判断结果为待分析语句与方面情感对匹配时，还包括输出目标词语、方面、情感组成的三元组；其中，所述目标词语为待分析语句中位置与标记序列中标记的目标词语位置对应的单词。6.如权利要求1或2或3或5所述的基于对比学习的方面级情感分析方法，其特征在于，所述基于对比学习的方面级情感分析模型的对比训练过程包括：步骤A，获取多个训练语句以及训练语句匹配的方面情感对，基于匹配的方面情感对生成提示句对，将训练语句分别与生成的提示句对的疑问提示句和回答提示句组合获得疑问增强句和提示增强句，疑问增强句和提示增强句组成一个正样本对；步骤B，输入正样本对至预训练编码层，预训练编码层对正样本对进行词嵌入处理，对词嵌入处理结果进行编码处理获得正样本对中疑问增强句的句子表示向量和所有单词的词向量，以及获得正样本对中回答...
【专利技术属性】
技术研发人员：熊庆宇，柯采，林军成，罗力豪，易华玲，杨正益，
申请(专利权)人：重庆大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。