买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：本发明提出一种针对特定目标的立场检测方法，使用深度网络抽取句子的语义特征，并在立场检测时充分考虑目标特征，实现目标特征与句子特征的交互，模型使用稠密连接的BiLSTM网络和嵌套的LSTM网络抽取句子的语义特征，在捕捉句子深层的语义信息的同时，能够解决梯度消失问题和长期依赖问题；使用注意力机制获取特定目标对于句子各部分的重要度，从而得到融入特定目标信息的句子向量表示，帮助模型在进行立场检测时充分考虑给定的特定目标；通过实验验证本发明已达到较优的特定目标立场检测性能。

主权项：1.一种针对特定目标的立场检测方法，其特征在于：所述方法具体包括以下步骤：步骤一、获取用于立场检测的训练样本；对训练样本进行预处理，得到用于立场检测的文本；所述用于立场检测的文本包括训练样本对应的特定目标和训练样本针对特定目标所表达的立场倾向标签；所述立场倾向标分别为支持favor、反对against和中性neither；步骤二、将步骤一预处理后的用于立场检测的文本S中的每个词分别映射为一个词向量，则每个文本由若干个词组成，对应一个词向量矩阵S′；步骤三、将训练样本对应的特定目标target中的每个词映射为一个词向量，得到一个词向量矩阵target′，将各个词向量进行加和取平均后，得到特定目标对应的向量表示tar；步骤四、将步骤二中获得的文本词向量矩阵S′输入到一个L层稠密连接的双向LSTM网络DC-BI-LSTM中，得到DC-BI-LSTM对文本的编码结果矩阵hL；步骤五、将步骤二中获得的文本词向量矩阵输入到一个K层嵌套的LSTM网络NestedLSTMs中，得到NestedLSTMs对文本的编码结果矩阵hK；步骤六、将步骤三中得到的特定目标向量表示tar与步骤四中得到的DC-BI-LSTM对文本的编码结果矩阵hL进行注意力运算，得到经过注意力运算加权平均后的tar与DC-BI-LSTM的立场特征表示向量hD；步骤七、将步骤三中得到的特定目标向量表示tar与步骤五中得到的NestedLSTMs对文本的编码结果矩阵hK进行注意力运算，得到经过注意力运算加权平均后的tar与NestedLSTMs立场特征表示向量hN；步骤八、将步骤六得到立场特征表示向量hD和步骤七得到立场特征表示向量hN进行拼接，得到最终的立场特征表示向量h*；步骤九、将步骤八得到的立场特征表示向量矩阵h*输入到全连接层和softmax层后得到分类结果；步骤十、将立场分类的交叉熵损失作为损失函数，计算立场分类的损失，进行学习优化，在达到训练轮次或者为结束最后一个批量的训练时，优化完成。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种针对特定目标的立场检测方法