System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自然语言处理,具体涉及一种基于思维树的隐式情感分析方法、装置、存储介质和电子设备。
技术介绍
1、随着在线社交媒体的快速发展,基于方面词的情感分析任务是一种细粒度的情感分析任务,旨在分析产品评论中提到的一个或者多个方面词的情感极性,隐式情感表达普遍存在于基于方面词的情感分析任务中,隐式情感文本存在不明确的人类的情感极性,但在语境中仍然传达清晰的人类感知的情绪极性的问题仍是一个挑战。
2、根据现有技术(论文“learning implicit sentiment in aspect-basedsentiment analysis with supervised contrastive pre-training”zhengyan li,yicheng zou,chong zhang,qi zhang,zhongyu wei:learning implicit sentiment inaspect-based sentiment analysis with supervised contrastive pre-training.emnlp(1)2021:246-256)提出的基于大量有标注数据的对比学习框架下的隐式情感分析任务旨在识别产品评论中的某个特定方面词的情感极性。文中通过将隐式情感的表征与具有相同情感标签的词进行对齐,预训练过程可以更好地捕捉评论中的隐式和显式的情感极性,从而提高了基于方面词的隐式情感分析的有效性。
3、上述方法虽然取得了良好的情感分类的效果,但是忽略了在判断隐式情感句子中
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本专利技术提供了一种基于思维树的隐式情感分析方法、装置、存储介质和电子设备,解决了需要大量标注数据进行训练并且不具有可解释性的技术问题。
3、(二)技术方案
4、为实现以上目的,本专利技术通过以下技术方案予以实现:
5、一种基于思维树的隐式情感分析方法,包括:
6、采集并预处理评论文本;
7、构建思维树提示模板,其中所述思维树提示模板包括四个提示,依次用于获取方面词、情感倾向、情感倾向的强度和情感强度背后的原因;
8、将预处理后的评论文本作为大模型的输入,基于所述思维树提示模板,输出该评论文本的情感极性。
9、优选的,构建思维树的根节点时,设计的提示i1为:
10、给定输入句子x,识别出该句子中的方面词a;表示为:
11、a=llm(x,i1)
12、其中,llm为大模型。
13、优选的,构建思维树第一分支节点时,设计的提示i2为:
14、给定输入句子x和方面词a,联系上下文分析出句子中包含方面词的情感倾向o;表示为:
15、o=llm(a,x,i2)。
16、优选的,构建思维树第二分支节点时,设计的提示i3为:
17、给定输入句子x、方面词a和情感倾向o,联系上下文分析出该情感倾向的强度d;表示为:
18、d=llm(o,a,x,i3)。
19、优选的,构建思维树第三分支节点时,设计的提示i4为:
20、给定输入句子x、方面词a、情感倾向o和情感强度d,联系上下文分析出情感强度背后的原因r;表示为:
21、r=llm(d,o,a,x,i4)。
22、优选的,所述情感极性表示为:
23、
24、其中,为最终输出的积极、中性或消极的情感极性;argmax为求自变量最大的函数;p为输出概率;y为任一输出结果。
25、优选的,所述大模型为gpt-3.5-turbo、gpt-4.0-turbo、lora或t5。
26、一种基于思维树的隐式情感分析装置,包括:
27、预处理模块,用于采集并预处理评论文本;
28、构建模块,用于构建思维树提示模板,其中所述思维树提示模板包括四个提示,依次用于获取方面词、情感倾向、情感倾向的强度和情感强度背后的原因;
29、输出模块,用于将预处理后的评论文本作为大模型的输入,基于所述思维树提示模板,输出该评论文本的情感极性。
30、一种存储介质,其存储有用于基于思维树的隐式情感分析的计算机程序,其中,所述计算机程序使得计算机执行如上所述的隐式情感分析方法。
31、一种电子设备,包括:
32、一个或多个处理器;存储器;以及一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如上所述的隐式情感分析方法。
33、(三)有益效果
34、本专利技术提供了一种基于思维树的隐式情感分析方法、装置、存储介质和电子设备。与现有技术相比,具备以下有益效果:
35、为准确识别句子中各个方面词中所包含的隐式情感,本专利技术利用大模型的丰富的语义知识和深度的语义理解能力,结合复杂的语境,通过建立思维树的方式对输入文本进行逐步分析和推断,最终确定文本中包含每一方面词的情感极性。
本文档来自技高网...【技术保护点】
1.一种基于思维树的隐式情感分析方法,其特征在于,包括:
2.如权利要求1所述的隐式情感分析方法,其特征在于,构建思维树的根节点时,设计的提示i1为:
3.如权利要求2所述的隐式情感分析方法,其特征在于,构建思维树第一分支节点时,设计的提示i2为:
4.如权利要求3所述的隐式情感分析方法,其特征在于,构建思维树第二分支节点时,设计的提示i3为:
5.如权利要求4所述的隐式情感分析方法,其特征在于,构建思维树第三分支节点时,设计的提示i4为:
6.如权利要求5所述的隐式情感分析方法,其特征在于,所述情感极性表示为:
7.如权利要求1~6任一项所述的隐式情感分析方法,其特征在于,所述大模型为GPT-3.5-turbo、GPT-4.0-turbo、Lora或T5。
8.一种基于思维树的隐式情感分析装置,其特征在于,包括:
9.一种存储介质,其特征在于,其存储有用于基于思维树的隐式情感分析的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1~7任一项所述的隐式情感分析方法。
...【技术特征摘要】
1.一种基于思维树的隐式情感分析方法,其特征在于,包括:
2.如权利要求1所述的隐式情感分析方法,其特征在于,构建思维树的根节点时,设计的提示i1为:
3.如权利要求2所述的隐式情感分析方法,其特征在于,构建思维树第一分支节点时,设计的提示i2为:
4.如权利要求3所述的隐式情感分析方法,其特征在于,构建思维树第二分支节点时,设计的提示i3为:
5.如权利要求4所述的隐式情感分析方法,其特征在于,构建思维树第三分支节点时,设计的提示i4为:
6.如权利要...
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。