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！

摘要：本发明公开了一种基于翻译匹配的跨语言属性级情感分类方法，该方法能够利用语料资源丰富的源语言提升语料资源稀缺的目标语言属性级情感分类的性能，包括领域分类和属性情感分类两部分，在模型构建过程中基于模型特征设置了模型的超参，包括多头自注意力层数量、梯度反转超参值等。领域分类利用领域判别器与语言编码器的对抗训练减小机器翻译导致真实语言与翻译语言的领域偏差问题，属性情感分类对属性序列表示和句子序列表示细粒度交互获得属性级句子表示，然后通过全连接层和softmax层获得最终情感预测结果。本发明提出的属性级情感分类模型构建代价小，并且对比试验验证结果表明，相较于其他模型，本发明提出的属性级情感分类模型结果最优。

主权项：1.一种基于翻译匹配的跨语言属性级情感分类方法，其特征在于，所述方法包括领域分类和属性情感分类两部分，在领域分类部分，利用领域判别器与语言编码器的对抗训练减小机器翻译导致真实语言与翻译语言的领域偏差问题；在属性情感分类部分，将编码后的属性序列、目标翻译句子序列输入网络，得到最终情感预测结果，所述属性情感分类部分包括目标语言编码器、多头注意力层、自适应融合层、全连接层和softmax层，所述目标语言编码器将得到的属性序列表示、目标翻译句子序列表示由多头注意力层、自适应融合层得到属性和句子细粒度交互的属性级句子表示，再由全连接层和softmax层得到最终情感预测结果，所述自适应融合层首先利用注意力加性模型计算属性级隐向量表示各个位置的注意力得分，再利用自适应参数和sotfmax函数得到综合注意力分布，最后使注意力分布与目标语言隐向量表示相乘得到自适应融合后的属性级表示，并且与属性序列表示经平均池化层的结果拼接后得到最终的向量表示，其过程如下式所示： aυ＝MeanPoolingAtgt 其中，Htgt为属性级隐向量表示，W和b均为可训练参数，M∈RN×N，N为属性序列与句子序列拼接后的最大长度，Mij表示目标翻译表示中第i个词关于第j的词的注意力得分，Wt∈R1×N为自适应权重参数，αt表示每个位置的综合注意力得分，Atgt为属性表示，模型训练时损失函数为所述领域分类部分损失函数与所述属性情感分类部分损失函数和，模型使用Adam优化器进行优化，其形式如下所示： 其中β1，β2∈[0,1，分别是一阶动量衰减系数和二阶动量衰减系数，取值为0.9和0.999，ε为进步值，取值1e-ε，表示t-1次迭代中的参数梯度矩阵；在第t次迭代，Xt为参数矩阵，mt是一阶动量，vt是二阶动量，属于中间变量，α是学习速率。

全文数据：

权利要求：

百度查询： 东南大学 一种基于翻译匹配的跨语言属性级情感分类方法