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：山东师范大学

摘要：本发明公开了面向自然语言的方面情感分析方法及系统，获取待分析的自然语言；将待分析的自然语言，输入到训练后的方面情感提取模型中，得到提取的方面术语、意见术语和方面情感分类结果；其中，所述方面情感提取模型，工作原理包括：对自然语言进行编码处理得到每个单词的上下文隐藏向量；基于每个单词的上下文隐藏向量，提取面向方面的特征；基于面向方面的特征，得到方面术语的起始位置和结束位置预测值；基于每个单词的上下文隐藏向量，提取面向意见的特征；基于面向意见的特征，得到意见术语的起始位置和结束位置预测值；根据两个预测值，得到情感极性。本发明能够挖掘出评论中涉及的方面词、意见词和对应的情感极性，增强了模型的实用性。

主权项：1.面向自然语言的方面情感分析方法，其特征是，包括：获取待分析的自然语言；将待分析的自然语言，输入到训练后的方面情感提取模型中，得到提取的方面术语、意见术语和方面情感分类结果；其中，所述方面情感提取模型，工作原理包括：对自然语言进行编码处理得到每个单词的上下文隐藏向量；基于每个单词的上下文隐藏向量，提取面向方面的特征；基于面向方面的特征，得到方面术语的起始位置和结束位置预测值；基于每个单词的上下文隐藏向量，提取面向意见的特征；基于面向意见的特征，得到意见术语的起始位置和结束位置预测值；根据两个预测值，得到情感极性；所述方面情感提取模型，包括：依次连接的嵌入与编码模块、语义交互与跨度提取模块和方面观点匹配与情感分类模块；所述嵌入与编码模块，采用Glove模型和BiLSTM相互结合的方式来实现，或者，所述嵌入与编码模块，采用BERT模型来实现；所述语义交互与跨度提取模块，包括依次连接的卷积神经网络CNN、拼接层和全连接层；其中，卷积神经网络CNN的输出层还通过注意力机制模块与拼接层连接；所述方面观点匹配与情感分类模块，采用前馈神经网络来实现；所述基于每个单词的上下文隐藏向量，提取面向方面的特征；基于面向方面的特征，得到方面术语的起始位置和结束位置预测值；具体包括：采用卷积神经网络CNN接收每个单词的上下文隐藏向量；从每个单词的上下文隐藏向量中，提取面向方面的特征；其中，面向方面特征，是与方面术语有关的上下文隐藏向量特征；基于面向方面的特征，采用注意力机制，定义方面术语与意见术语二者每个单词之间的语义关系；对于在面向方面特征中的每个单词，通过面向意见特征中除了当前单词以外的所有单词进行语义关系加权求和，提取出从面向意见特征中提取出有用信息；对从面向意见特征中提取出有用信息与面向方面的特征进行拼接，得到面向方面的最终特征，将面向方面的最终特征，输入到全连接层中，得到面向方面术语的起始位置预测得分和概率分布、面向方面术语的结束位置预测得分和概率分布；采用注意力机制计算方面和意见二者每个单词的注意力得分然后归一化注意力权重定义如下式4-5: 其中，为面向方面的特征，为面向意见的特征，其次，对于在面向方面特征中的每个单词wi，本发明可以通过对面向意见的特征中除wi以外的所有单词进行语义关系加权求和，提取出有用的语义关系信息公式如6所示：

全文数据：

权利要求：

百度查询： 山东师范大学 面向自然语言的方面情感分析方法及系统