【技术实现步骤摘要】
本专利技术属于深度学习与情感分析领域，更具体的涉及一种情感原因对提取方法及装置。
技术介绍
1、随着互联网的快速发展社交媒体已经进入了全新的阶段，产生的海量文本信息背后蕴含着对特定事件或主题的情感倾向和原因，而传统的情感分析任务集中在情感识别、基于方面的情感分析，而忽视造成情感的原因，使得情感分析任务的应用场景受到限制。
2、情感原因对提取的方法上多使用深度记忆网络、注意力神经网络和transformer分层网络等来解决该任务。根据以上方法设计各种模型，可以用来情感原因对提取，挖掘情感背后产生的原因。但是此类方法大部分都严重依赖于文本向量的所包含的特征，而且大多使用上下文，包含的内容较为单一。虽然上述所有的技术、模型都能够提供比较不错的结果，但是情感原因对提取任务的研究趋势中一直致力于解决两个问题：缺乏有效引入外部知识，和子句利用知识增强向量能力差。为了使用外部知识，根据知识的类型与增强的特征可以分为：语义依赖知识和符号推理知识。
3、为了捕获子句上下文之间的语义相关性，并分别增强情感子句和原因子句的向量，然后用...
【技术保护点】
1.一种情感原因对提取方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述根据第一子句特征向量、图注意力权重和语义依赖邻接矩阵，得到图注意力网络的子句邻接矩阵，具体包括：
3.如权利要求1所述的方法，其特征在于，所述根据情感词典和符号推理知识图谱确定子句间的关系特征、实体特征，具体包括：
4.如权利要求3所述的方法，其特征在于，所述得到子句间筛选后路径置信度具体包括：
5.如权利要求1所述的方法，其特征在于，所述图注意力网络的邻接矩阵如下所示：
6.如权利要求1所述的方法，其特征在于，所述图...
【技术特征摘要】
1.一种情感原因对提取方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述根据第一子句特征向量、图注意力权重和语义依赖邻接矩阵，得到图注意力网络的子句邻接矩阵，具体包括：
3.如权利要求1所述的方法，其特征在于，所述根据情感词典和符号推理知识图谱确定子句间的关系特征、实体特征，具体包括：
4.如权利要求3所述的方法，其特征在于，所述得到子句间筛选后路径置信度具体包括：
5.如权利要求1所述的方法，其特征在于，所述图注意力网络的邻接矩阵如下所示：
6.如权利要求1所述的方法，其特征在于，所述图注意力网络语义子句...
【专利技术属性】
技术研发人员：王震，王博韬，朱培灿，刘洋，崔晓东，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
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。