【技术实现步骤摘要】
本专利技术涉及自然语言处理领域，尤其涉及一种基于语法树和提示模板的方面情感分类方法。
技术介绍
1、互联网的快速发展已经对人们的生活方式产生了深远的影响。各种新媒体形式的涌现和电子商务平台的发展，导致了大量的评论信息涌现出来。这些评论不仅仅是用户对事件的观点和态度的体现，同时也包含了用户对产品的偏好。这对于商业公司来说非常重要，因为它们可以通过对这些评论的分析来快速了解产品的优点和缺点，并进行相应的改进。所以说这些评论数据具有巨大的商业价值，因此利用情感分析技术对这些评论进行研究具有重要意义。
2、确定文本情感倾向的任务称为情感分类任务，在情感分类任务中又可分为粗粒度和细粒度两大领域。传统的情感分析为粗粒度情感分析，其主要在句子或文档级别进行预测，关注文本的整体情感极性。然而，自从bert提出以来，这几乎已经成为一个解决的问题；而细粒度情感分析试图对(通常)多方面案例中的每个单独方面做出判断。本文的方案则是针对细粒度情感分析而提出的。
3、早期的方法通常基于手工制作的特征来预测特定方面的情感极性，比如通过构建情感...
【技术保护点】
1.一种基于语法树和提示模板的方面情感分析方法，其特征在于，将prompt模板和原始句子连接起来作为BERT模型的输入，将BERT的处理结果输入双语法图注意力模块，利用图注意力网络和句子的句法矩阵来提取里面的句法和语义信息，采用双仿射BiAffine模块实现依赖树和成分树相关信息的交互，最后分别提取依赖树的DepGAT模块和成分树的ConGAT模块最后一层的输出的方面词的特征向量，并将他们与[CLS]以及模板里的[MASK]向量结合，组成最终的方面特征表达，最后使用一个分类器进行情感极性分类，具体包括：
【技术特征摘要】
1.一种基于语法树和提示模板的方面情感分析方法，其特征在于，将prompt模板和原始句子连接起来作为bert模型的输入，将bert的处理结果输入双语法图注意力模块，利用图注意力网络和句子的句法矩阵来提取里面的句法和语义信息，采用双仿射biaffine模块...
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。