基于深度学习的方面级情感四元组抽取方法及系统技术方案

本发明专利技术属于深度学习领域，提供了一种基于深度学习的方面级情感四元组抽取方法及系统，获取原始给定语句；基于原始给定语句，利用预先训练好的方面级情感四元组抽取模型进行情感四元组抽取；其中，利用预先训练好的方面级情感四元组抽取模型进行情感四元组抽取，包括：采用行内标签的方式对原始给定语句中的方面词进行提取；基于提取的方面词构建问题模板语句，并利用问题模板语句和原始给定语句进行拼接，基于拼接语句提取与方面词配对的意见词；利用预定义方面类别和预定义方面情感极性生成对应的方面类别解码器模板语句和情感极性解码器模板语句，并根据编码后的原始给定语句进行解码，得到方面类别和方面情感。得到方面类别和方面情感。得到方面类别和方面情感。

【技术实现步骤摘要】
基于深度学习的方面级情感四元组抽取方法及系统


[0001]本专利技术属于深度学习
，具体涉及一种基于深度学习的方面级情感四元组抽取方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]近年来，方面情感四元组预测(ASQP)已经成为方面级情感分析领域的一个热门任务。其目的是将给定句子解码成为方面情感四元组(方面类别、方面词、意见词、情感极性)。想要高效地提取方面情感四元组，往往会遇到以下问题：1、方面词和意见词之间的内在关系通常被忽略，从而缺乏建立方面
‑
意见对之间的相关性，忽视了不同情感四元组之间的相互干扰；2、评论语句中情感元素的语义信息往往得不到充分地利用，从而增加了预测不准确的风险。
[0004]Cai等人研究了方面情感四元组预测(ASQP)任务，强调了隐性方面或意见。作者认为，隐含的方面或意见经常出现在现实世界的场景中，并使用“null”来表示它们在情感四元组中。他们引入了两个带有情感四元组注释的新数据集，并通过结合现有模型构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的方面级情感四元组抽取方法，其特征在于，包括：获取原始给定语句；基于原始给定语句，利用预先训练好的方面级情感四元组抽取模型进行情感四元组抽取；其中，利用预先训练好的方面级情感四元组抽取模型进行情感四元组抽取，包括：采用行内标签的方式对原始给定语句中的方面词进行提取；基于提取的方面词构建问题模板语句，并利用问题模板语句和原始给定语句进行拼接，基于拼接语句提取与方面词配对的意见词；利用预定义方面类别和预定义方面情感极性生成对应的方面类别解码器模板语句和情感极性解码器模板语句，并根据编码后的原始给定语句进行解码，得到方面类别和方面情感。2.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，根据提取的方面词，意见词，方面类别以及方面情感组成情感四元组。3.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，采用行内标签的方式对原始给定语句中的方面词进行提取，具体为：基于原始给定语句，利用BERT编码器获取原始给定语句的嵌入语义表示；基于嵌入语义表示，根据预测概率大于设定值的标志作为方面元素的开始或结尾；将每个作为开始的标志与其最近的作为结尾的标志进行配对确定一个方面词；依次类推，确定提取原始给定语句中所有的方面词。4.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，基于提取的方面词构建问题模板语句，并利用问题模板语句和原始给定语句进行拼接，包括：基于方面词使用固定模板语句构建问题模板语句；基于问题模板语句与原始给定语句进行拼接；得到拼接语句。5.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，所述基于拼接语句提取与方面词配对的意见词，具体为：基于拼接语句，利用BERT编码器获取原始给定语句的意见表示；基于原始给定语句的意见表示，根据预测概率大于设定值的标志作为意见词的开始或结尾；将每个作为开始的标志与其最近的作为结尾的标志进行配对确定一个意见词；依次类推，确定提取原始给定语句的意见表示中所有的意见词。6.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，利用预定义方面类别生成对应的方面类别解码器模板语句，并根据编码后的原始给定语句进行解码，得到方面词对应的方面类别，具体为：利用BART编码器对原始给定语句进行编码，得到原始给定...

【专利技术属性】
技术研发人员：杨振宇，李治军，李晓阳，胡文月，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：