一种基于交互式图卷积网络的方面级情感分析方法技术

本发明专利技术公开一种基于交互式图卷积网络的方面级情感分析方法，包括先对情感分析数据集进行预处理，再将文本语句嵌入为向量表示，并通过三个独立的BiLstm来捕获句子和方面的依赖关系，然后构建两个不同的模块，并在两个模块中分别构建基于不同信息的三个异构图，之后将图结构数据输入到两个GCN中，并使用双仿射模块作为桥梁来交换两个GCN提取到的特征，并对其进行均值池化，最后用注意力机制来捕获两个模块中的重要特征；本发明专利技术适用于一个句子中含有多个方面词且部分方面词不包含明确情感特征的情况，同样可以用于精确捕捉含有多个单词的方面词中比较重要的那个词，可以有效的解决方面级情感分析任务中的特殊情况。决方面级情感分析任务中的特殊情况。决方面级情感分析任务中的特殊情况。

【技术实现步骤摘要】
一种基于交互式图卷积网络的方面级情感分析方法


[0001]本专利技术涉及方面级情感分析
，尤其涉及一种基于交互式图卷积网络的方面级情感分析方法。

技术介绍

[0002]自然语言处理是一门融语言学、计算机科学、数学于一体的科学，而方面级情感分析(ABSA)是自然语言处理中的一个重要的方面，这项任务的目标是确定句子中给定方面的情绪极性(例如积极、消极或中性)，它对各种任务具有重要的意义，如商品推荐、政治立场分析、医疗文本，突发公共卫生事件等，相比于句子级情感分类，它可以进行更细粒度的情感，以句子“The food was good,but the servicewas poor”为例，其中“food”和“service”是两个方面，用户分别对它们表达了积极和消极的情绪，因此，方面级情感分析可以精确地识别用户对某个方面的态度，而不是简单地为一个句子分配一个情绪极性。
[0003]方面级情感分析的研究方法主要两种，分别是基于传统的分析方法和基于主流的深度学习方法，其中传统的方面级情感分析方法以机器学习为主，需要人为对样本进行大量标注，然后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于交互式图卷积网络的方面级情感分析方法,其特征在于，包括以下步骤：步骤一：先对待分析的情感分析数据集进行数据预处理，并基于一个长度为m的句子S和一个含有n个单词的方面T,来构建一个句子方面对(S，T)；步骤二：采用Bi
‑
LSTM提取句子方面对输入句子中的每个词的上下文信息和方面信息，为上下文生成隐藏状态向量来表示H
ctx
和H
asp
，分别表示为和并使用三个独立的Bi
‑
LSTM分别用于特定方面模块和方面之间模块中；步骤三：在特定方面模块中构建基于上下文信息的上下文图和基于句法依存树的语法图来作为邻接矩阵图，并在方面之间模块中构建基于外部知识的知识图来作为邻接矩阵图；步骤四：在特定方面模块中构建一个基于特定方面的GCN，在方面之间模块中构建一个基于方面之间的GCN，然后将构建完成的两个邻接矩阵图分别输入两个GCN中，得到特定方面模块和方面之间模块的输出特征Z
cs
和Z
k
；步骤五：使用双仿射模块来交互式的提取两个GCN输出的信息，得到Z
cs'
和Z
k'
；步骤六：使用均值池化对步骤五中的到的输出信息进行平均池化，并用基于检索的注意力机制进行检索，得到每个方面的注意力分数，获得最终的情感分类。2.根据权利要求1所述的一种基于交互式图卷积网络的方面级情感分析方法，其特征在于：所述步骤一中，对情感分析数据集进行的数据预处理具体包括：去除数据中的数字、去除数据中的特殊符号、去除数据中的链接地址以及去除数据中的停用词。3.根据权利要求1所述的一种基于交互式图卷积网络的方面级情感分析方法，其特征在于：所述步骤三中，特定方面模块和方面之间模块中构建的邻接矩阵图表示为：G＝(V,E,A)其中V表示节点集合，E表示边的结合，A是G的邻接矩阵。4.根据权利要求1所述的一种基于交互式图卷积网络的方面级情感分析方法，其特征在于：所述步骤三中，构建特定方面模块中邻接矩阵图的具体步骤为：A1、在特定方面模块中，构建基于上下文的邻接矩阵图，将方面词与其他方面词、方面词与句子以及句子之间的关系结合起来，若方面词在句子S1或在句子S2中，就在相应的位置用1表示，否则用0表示；A2、使用spacy工具包生成句子的语法依赖树，构建基于语法的邻接矩阵图，并在邻接矩阵中使用PMI来表示句子中各个节点之间的依赖关系，当PMI为正时，表示单词之间的语义性较高，当PMI为负时，表示单词之间的相关性较低或者不存在相关性；A3、将构建出的基于上下文的邻接矩阵图和基于语法的邻接矩阵图整合到一起，得到基于上下文语法的邻接矩阵图。5.根据权利要求1所述的一种基于交互式图卷积网络的方面级情感分析方法，其特征在...

【专利技术属性】
技术研发人员：朱忆红，陈晓亮，何悦，曾晟珂，
申请(专利权)人：西华大学，
类型：发明
国别省市：