【技术实现步骤摘要】
本申请涉及文本情感识别，尤其是涉及一种基于上下文感知的文本情感判别方法、系统、设备及介质。
技术介绍
1、在信息时代的大背景下，互联网技术的迅猛发展以及社交媒体、电子商务和在线评论等应用的广泛普及，共同促成了文本数据的爆炸性增长。这些源源不断的文本信息，不仅仅是事实的记录，更是人类观点、情绪乃至复杂情感状态的直接反映。然而，如何从这片浩瀚的文本海洋中精准、高效地捕获并理解其所承载的情感色彩，无疑为自然语言处理（nlp）技术带来了艰巨的挑战。为此，文本情感分类，作为一项致力于自动识别和剖析文本情感倾向的核心技术，已成为nlp领域内一个极具活力和应用前景的关键研究方向。
2、虽然现有技术在区分正面、负面、中性等粗粒度情感方面表现较好，但对于更丰富、更具体的情感类别（如喜悦、悲伤、愤怒、焦虑、期待以及失望等）的区分能力较弱。这是因为人类情感表达往往微妙、复杂且依赖于语境，可能包含多种情感成分或表达方式隐晦，现有模型难以有效捕捉这些细微差异、情感强度以及复杂情感（如讽刺、苦乐参半），从而导致对用户情绪状态或文本深层情感含义的理解的精...
【技术保护点】
1.一种基于上下文感知的文本情感判别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于上下文感知的文本情感判别方法，其特征在于，所述文本样本训练数据集包括多个具有情感标签的已标注样本和多个无情感标签的未标注样本，所述采用所述文本样本训练数据集训练所述文本情感判别模型，得到目标文本情感判别模型，包括：
3.根据权利要求2所述的基于上下文感知的文本情感判别方法，其特征在于，所述若所述未标注样本的数量大于第一预设数量，则构建用于半监督学习的第四损失函数，包括：
4.根据权利要求2所述的基于上下文感知的文本情感判别方法，其特征在...
【技术特征摘要】
1.一种基于上下文感知的文本情感判别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于上下文感知的文本情感判别方法，其特征在于，所述文本样本训练数据集包括多个具有情感标签的已标注样本和多个无情感标签的未标注样本，所述采用所述文本样本训练数据集训练所述文本情感判别模型，得到目标文本情感判别模型，包括：
3.根据权利要求2所述的基于上下文感知的文本情感判别方法，其特征在于，所述若所述未标注样本的数量大于第一预设数量，则构建用于半监督学习的第四损失函数，包括：
4.根据权利要求2所述的基于上下文感知的文本情感判别方法，其特征在于，所述若所述已标注样本为少样本数据集，则构建用于元学习的第五损失函数，包括：
5.根据权利要求1所述的基于上下文感知的文本情感判别方法，其特征在于，所述采用所述文档编码器、所述篇章级注意力机制和所述记忆单元对所述编码后的句子序列进行文档级编码，得到文档最终情感表示，包括：
6.根据权利要求1所述的基于上下文感知的文本情感判别方...
【专利技术属性】
技术研发人员：龙军，刘生平，杨浩然，罗曦文，陈恒耀，刘承光，
申请(专利权)人：中南大学，
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。