申请/专利权人：北京交通大学

申请日：2020-08-19

公开（公告）日：2024-03-12

公开（公告）号：CN112115700B

主分类号：G06F40/211

分类号：G06F40/211;G06F40/284;G06N3/0442;G06N3/0464;G06N3/049;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2021.01.08#实质审查的生效;2020.12.22#公开

摘要：本发明提供了一种基于依存句法树和深度学习的方面级情感分析方法。该方法包括：对待分析的文本进行分词和嵌入训练处理，得到文本中的每个单词的词向量表达，输入到双向长短时神经网络中得到每个单词和文本的整合信息；利用文本中的所有单词构造依存句法树，利用依存句法树构造GCN图，将文本的整合信息与GCN图进行迭代处理，得到文本中的评价对象的依存句法树表示；对文本的整合信息和评价对象的依存句法树表示进行结合，对结合的结果使用CNN进行分析处理，得到文本对评价对象的情感预测结果。本发明的方法有效的利用了文本的语义信息，同时强调了评价对象在方面级情感分析的重要性，提高了对于已知评价对象的方面级情感分析任务的准确率。

主权项：1.一种基于依存句法树和深度学习的方面级情感分析方法，其特征在于，包括：对待分析的文本进行分词和嵌入训练处理，得到文本中的每个单词的词向量表达，对每个单词的词向量进行合并表示后，输入到双向长短时神经网络中得到每个单词和文本的整合信息；利用所述待分析的文本中的所有单词构造依存句法树，利用所述依存句法树构造GCN图，将所述文本的整合信息与GCN图进行多次迭代处理，得到文本中的评价对象的依存句法树表示；对所述文本的整合信息和所述评价对象的依存句法树表示进行结合，结合方式采用文本整合信息矩阵、评价对象依存句法树矩阵以及评价对象依存句法树矩阵转置矩阵进行矩阵乘的结果，对结合的结果使用CNN进行分析处理，得到文本对评价对象的情感预测结果，具体包括：采用公式1将评价对象的依存句法树表示与文本的整合信息进行结合，得到待分析的文本的最后一层隐藏层 代表文本的整合信息，ht代表评价对象的依存句法树表示，ht.T代表矩阵ht的转置矩阵，符号*代表矩阵乘操作；使用CNN对待分析的文本的最后一层隐藏层进行卷积操作，得到文本对评价对象的情感预测结果。

全文数据：

权利要求：

百度查询： 北京交通大学 一种基于依存句法树和深度学习的方面级情感分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD