一种基于监督对比学习的隐式情感元素抽取方法技术

本发明专利技术公开了一种基于监督对比学习的隐式情感元素抽取方法。本发明专利技术包括以下步骤：首先，对情感数据集进行预处理，获得预处理后的情感数据集；接着，对预处理后的情感数据集对应的各输入文本进行位置标定，获得标定后的输入文本；然后，利用各标定后的输入文本和预处理后的情感数据集对隐式情感元素抽取模型进行训练，获得训练好的隐式情感元素抽取模型；最后，将待处理文本输入到训练好的隐式情感元素抽取模型中，检测当前待处理文本中包含的隐式情感元素并对情感四元组进行抽取。本发明专利技术可以更为精准的检测出文本中的隐式方面以及隐式意见，从而对上述隐式情感元素进行抽取，因此在文本的隐式情感元素抽取上具有一定的优势。

【技术实现步骤摘要】

本专利技术涉及人工智能、自然语言处理的一种情感元素抽取方法，具体涉及了一种基于监督对比学习的隐式情感元素抽取方法。

技术介绍

1、方面级情感分析在当前互联网时代是一种信息智能化的重要技术，其主要目的为提取文本中的观点及其包含的情感极性，通过情感分析技术可以将互联网上大量的非结构化数据转换为结构化数据，从社交媒体意见挖掘到产品评论分析均为该任务的应用范围。方面级情感分析围绕文本中的四种情感元素展开，其中情感四元组抽取任务对文本中的全部四种情感元素进行抽取，是最为全面的方面级情感分析子任务。

2、然而，在情感四元组抽取任务中，现有的技术方法表现出明显的3点缺陷：

3、1、目前针对情感分析的研究重点主要集中在对文本中出现过的显式方面或意见的抽取，但文本中存在着大量隐式的方面或意见，这种含有隐式方面或意见的文本往往占据所有文本总量的30％以上。现有的针对情感元素抽取的工作中，绝大多数工作不能对隐式方面或意见进行检测和抽取。

4、2、在之前的方法中，对于隐式情感元素的检测往往需要添加一个分类器，以此来对隐式情感元素进行检测。然而，本文档来自技高网...

【技术保护点】

1.一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，所述S1具体为：

3.根据权利要求1所述的一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，所述S2中，在每个输入文本的预设位置均添加标定标签。

4.根据权利要求1所述的一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，所述S2中，在每个输入文本的开头均添加标定标签。

5.根据权利要求1所述的一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，所述S3中，隐式情感元素抽取...

【技术特征摘要】

1.一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，所述s1具体为：

3.根据权利要求1所述的一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，所述s2中，在每个输入文本的预设位置均添加标定标签。

4.根据权利要求1所述的一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，所述s2中，在每个输入文本的开头均添加标定标签。

5.根据权利要求1所述的一种基于监督对比学习的隐式情感元素抽取方法，其特征在于，所述s3中，隐式情感元素抽取模型中编码器和解码器之间通过并联设置的三...

【专利技术属性】
技术研发人员：席康，杨钰铭，刘继元，柴乃全，
申请(专利权)人：重庆大学，
类型：发明
国别省市：