一种基于文本-图谱联合推理与双向交互的情感分析方法技术

本发明专利技术公开了一种基于文本‑图谱联合推理与双向交互的情感分析方法，包括：基于预训练的语言模型处理待分析文本，获得文本嵌入；基于外部知识图谱，并生成知识图谱嵌入；构建多层融合模块，将文本嵌入与知识图谱嵌入输入至多层融合模块中，融合模块对文本嵌入与知识图谱嵌入进行迭代更新，获得文本嵌入和知识图谱嵌入的联合表征；其中，多层融合模块包括若干层，每层包括语言模型层、图神经网络层与融合层；基于文本嵌入和知识图谱嵌入的联合表征进行情感分析。本发明专利技术通过联合更新学习与融合机制提升了文本与外部知识的融合效果，提高了情感分析任务的性能，使模型在面对多样化语境和复杂知识结构时具有更强的泛化能力。

【技术实现步骤摘要】

本专利技术属于情感分析，尤其涉及一种基于文本-图谱联合推理与双向交互的情感分析方法。

技术介绍

1、当前，深度学习在情感分析任务中的广泛应用依赖于数据驱动的监督学习方法，但由于数据分布的偏差以及文本本身的复杂性，传统方法难以准确理解隐含情感关系。为此，研究者引入知识图谱(knowledge graph,kg)以提供结构化的情感关联信息，并结合语言模型(lm)增强情感分析效果。然而，现有的知识融合方法仍然存在多个问题，限制了其在真实应用场景中的表现。

2、现有技术在情感分析任务中结合外部知识图谱(kg)进行推理，但仍然存在以下关键缺点和问题：

3、现有方法通常采用gnn对知识图谱进行编码，并将编码后的知识表示输入lm，但gnn和lm之间的交互方式较为简单，二者在推理过程中缺乏真正的双向信息融合。目前的主流做法是(1)gnn独立编码知识图谱，lm单独处理文本，二者仅在最终预测阶段结合，导致知识难以影响文本的语义建模；(2)gnn为lm提供结构化知识表示，但lm无法反向调整gnn的知识表征，使得知识与文本的匹配度较低。例如，在部分研究中，本文档来自技高网...

【技术保护点】

1.一种基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，

3.根据权利要求2所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，

4.根据权利要求3所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，

5.根据权利要求1所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，

6.根据权利要求5所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，</p>

7.根据...

【技术特征摘要】

1.一种基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，

3.根据权利要求2所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，

4.根据权利要求3所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，

5.根据权利要求1所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在于，

6.根据权利要求5所述的基于文本-图谱联合推理与双向交互的情感分析方法，其特征在...

【专利技术属性】
技术研发人员：李劼，李选，罗荣，唐畅，刘泽亿，邓宇求，崔振，皮人杰，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：