属性观点抽取方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了一种属性观点抽取方法、装置、电子设备和存储介质。其中，方法包括在给定的评价文本内容中，补入隐性属性词和隐性观点词；对补入后的评价文本内容，提取显性属性词、隐性属性词、显性观点词和隐性观点词；预测所述显性属性词、所述隐性属性词、所述显性观点词和所述隐性观点词的类别；基于所述显性属性词、所述隐性属性词、所述显性观点词和所述隐性观点词的类别，进行配对分析，输出细粒度四元组。本发明专利技术提供的方案能提高属性观点抽取的召回率和精确率，扩展实际应用范围。扩展实际应用范围。扩展实际应用范围。

【技术实现步骤摘要】
属性观点抽取方法、装置、电子设备和存储介质


[0001]本专利技术涉及观点抽取
，尤其涉及一种属性观点抽取方法、装置、电子设备和存储介质。

技术介绍

[0002]属性观点抽取的主要任务是从用户评价中抽取细粒度四元组<属性词，属性类别，观点词，观点情感>。例如，给定评价“层层修护吸收快，但快递较慢”，可以抽取两个四元组：<修护吸收，功效，快，正面>和<快递，物流，较慢，负面>。
[0003]然而，在用户评价中，经常没有出现属性词或者观点词，但存在属性类别或者观点情感。例如，评价“太贵了”，虽然没有属性词“价格”，但是很容易推断用户评价的属性类别为“费用”，因此可以得到四元组<None，费用，太贵了，负面>。评价“开机速度只要1秒”，虽然没有任何观点词，但是可以推断用户的观点情感为“正面”，因此可以得到四元组<开机速度，性能，None，正面>。评价“这东西像画一样”，既没有属性词，又没有观点词，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种属性观点抽取方法，其特征在于，所述方法包括：在给定的评价文本内容中，补入隐性属性词和隐性观点词；对补入后的评价文本内容，提取显性属性词、隐性属性词、显性观点词和隐性观点词；预测所述显性属性词、所述隐性属性词、所述显性观点词和所述隐性观点词的类别；基于所述显性属性词、所述隐性属性词、所述显性观点词和所述隐性观点词的类别，进行配对分析，输出细粒度四元组。2.根据权利要求1所述的方法，其特征在于，所述在给定的评价文本内容中，补入隐性属性词和隐性观点词包括：为隐性属性词构建对应的隐性属性词专用字符串，为隐性观点词构建对应的隐性观点词专用字符串；基于给定的评价文本内容，获取对应的文本字符串；在所述文本字符串末尾，添加所述隐性属性词专用字符串和所述隐性观点词专用字符串。3.根据权利要求1所述的方法，其特征在于，所述对补入后的评价文本内容，提取显性属性词、隐性属性词、显性观点词和隐性观点词，包括：对补入后的评价文本内容进行切词处理，获得切词列表；对所述切词列表中的各个词语，利用学习模型，获取各个词语对应的词嵌入向量；基于所述各个词语对应的词嵌入向量，利用序列标注模型，提取显性属性词、隐性属性词、显性观点词和隐性观点词。4.根据权利要求1所述的方法，其特征在于，预测所述显性属性词、所述隐性属性词的类别，包括：对于所述显性属性词、所述隐性属性词，获取各个词语对应的词嵌入向量；将所述词嵌入向量输入预设分类模型的全连接层，获得对应的输出值；获取属性类别嵌入矩阵，根据所述属性类别嵌入矩阵和所述词嵌入向量计算点积；利用所述输出值和所述点积，确定所述显性属性词和所述隐性属性词所对应的类别。5.根据权利要求1所述的方法，其特征在于，预测所述显性观点词、所述隐性观点词的类别，包括：对于所述显性观点词、所述隐性观点词，获取各个词语对应的词...

【专利技术属性】
技术研发人员：许先才，张家栋，肖荣昌，熊磊，
申请(专利权)人：深圳市云积分科技有限公司，
类型：发明
国别省市：