用于方面级情感分析的语义增强多通道双向图卷积网络制造技术

本发明专利技术公开了用于方面级情感分析的语义增强多通道双向图卷积网络，涉及语义情感分析技术领域，包括：模型训练：通过对数据进行学习和训练，使系统从数据中学习出关键的特征和规律，并将其应用于新的数据中；情感分析：分析方面词在各种情感极性的概率。该用于方面级情感分析的语义增强多通道双向图卷积网络，通过随机密集残差连接BiLSTM，可以从较浅层次的语义特征中提取较深层次的语义特征，增强语义特征表示，很好地解决了堆叠BiLSTM的过拟合问题，并且，考虑到了单词间多种关系特征，通过多通道双向图卷积网络，可以考虑到单词间不同的关系特征，将不同的关系特征进行编码并融合，从而增强模型在方面级情感分析的整体性能。

【技术实现步骤摘要】

本专利技术涉及语义情感分析，具体为用于方面级情感分析的语义增强多通道双向图卷积网络。

技术介绍

1、方面级情感分析旨在预测一个句子中的方面词的情感极性，近年来，基于图卷积网络(gcn)模型在方面级情感分析领域中得到非常令人满意的效果，然而，以前的研究只关注低层次语义特征和忽略了单词间存在多种关系特征，这些是制约方面级情感分析任务效果的关键。

2、情感分析是自然语言处理领域的基本任务之一，情感分析又称情感分类或者意见挖掘，是通过对文本进行分类以获取人们的观点：态度以及情感等，情感分析是一种具有较大实用价值的分类技术，在一些现实场景中有着广泛的应用，例如产品推荐：电影票房预测等。

3、情感分析按照粒度可以分为粗粒度和细粒度情感分析，粗粒度情感分析可以找出文档：段落或者句子的情感极性，细粒度情感分析也就是方面级情感分析，方面级情感分析是针对句子中的一个或者多个方面词，并找出每个方面词对于的情感极性，方面词通常是指实体或者实体属性，情感极性包括积极：消极和中性，方面级情感分析可以更加细致地判断句子在特定方面的情感极性，对文本的情感极性判断更本文档来自技高网...

【技术保护点】

1.用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于，包括：

2.根据权利要求1所述的用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于：所述词嵌入(5)的输出端信号连接于随机密集残差连接BiLSTM(4)中随机密集残差连接的输入端。

3.根据权利要求1所述的用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于：所述词嵌入(5)的输出端与模型训练(1)的输入端双向信号连接。

4.根据权利要求1所述的用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于：所述随机密集残差连接BiLSTM(4)中随机密集残差连接的输出端...

【技术特征摘要】

1.用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于，包括：

2.根据权利要求1所述的用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于：所述词嵌入(5)的输出端信号连接于随机密集残差连接bilstm(4)中随机密集残差连接的输入端。

3.根据权利要求1所述的用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于：所述词嵌入(5)的输出端与模型训练(1)的输入端双向信号连接。

4.根据权利要求1所述的用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于：所述随机密集残差连接bilstm(4)中随机密集残差连接的输出端信号连接于注意力机制(3)的输入端。

5.根据权利要求1所述的用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于：随机密集残差连接bilstm(4)中随机密集残差连接的输出端信号连接于掩码层(6)的输入端。

...

【专利技术属性】
技术研发人员：吴小玲，刘强，姜晓梅，陈园允，胡华玉，杨吉，
申请(专利权)人：广东工程职业技术学院，
类型：发明
国别省市：