[发明专利]一种基于评价对象阵营的立场分析模型构建方法有效
申请号: | 201810939599.3 | 申请日: | 2018-08-17 |
公开(公告)号: | CN109359190B | 公开(公告)日: | 2021-12-17 |
发明(设计)人: | 曾曦;阳红;谢瑞云;夏明赟;赵姝颖;常明芳 | 申请(专利权)人: | 中国电子科技集团公司第三十研究所 |
主分类号: | G06F16/35 | 分类号: | G06F16/35;G06F40/205;G06F40/289;G06N3/04;G06N3/08 |
代理公司: | 成都九鼎天元知识产权代理有限公司 51214 | 代理人: | 邓世燕 |
地址: | 610000 *** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 评价 对象 阵营 立场 分析 模型 构建 方法 | ||
1.一种基于评价对象阵营的立场分析模型构建方法,其特征在于:包括如下步骤:
步骤一、构建对象阵营词典;
步骤二、构建对象阵营判断语料;
步骤三、构建对象阵营判断模型;
步骤四、构建立场分析语料;
步骤五、构建立场分析模型:
(1)输入层:将句子t的每个词的词向量St与该句子对象阵营的向量表示Vt进行连接,作为立场分析模型的输入It:
It=concatenate(St,Vt)
(2)双向神经网络:通过双向长短记忆神经网络得到每个词的抽象表示Ht={ht1,ht2,...,htN,}:
Ht=BLSTM(It)
(3)注意力层:在每个词的隐层输出Ht上再连接一次Vt,作为注意力层的输入Kt:
Kt=concatenate(Ht,Vt)
在注意力层对该向量进行线性非线性变换,使之变成N维的概率分布At:
At=attention(Kt)
将At与句子中每个词的隐层输出按位相乘,并求和,作为句子的一个表示Rt:
Rt=sum(At×Ht)
(4)输出层:将Rt与句子最后一个词的隐层输出htN进行按位加法,结果作为最终的句子表示ht*:
ht*=Rt+htN
将ht*经过Linear函数变换为3维向量,并经过softmax函数得到一个3维概率分布Pt:
Pt=Softmax(W×ht*+bias);
其中:所述对象阵营的向量表示Vt包括:对象阵营标签为0,向量类别表示为[1,0];对象阵营标签为1,向量类别表示为[0,1]。
2.根据权利要求1所述的一种基于评价对象阵营的立场分析模型构建方法,其特征在于:步骤一所述对象阵营词典内容为一个对象跟随一个类别标签,对象阵营包含两大阵营,分别记为0、1。
3.根据权利要求2所述的一种基于评价对象阵营的立场分析模型构建方法,其特征在于:步骤二所述构建对象阵营判断语料的方法为:将对象的评论信息与词典进行匹配,选出明显具有对象阵营特征的评论信息,分别归到0、1阵营中,构成对象阵营判断语料;同时,在不打乱对象阵营判断语料对应关系的基础上进行语料随机乱序,并将语料信息按照8∶1∶1的比例分为训练集、验证集、测试集。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电子科技集团公司第三十研究所,未经中国电子科技集团公司第三十研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810939599.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种搜索结果生成方法与装置
- 下一篇:基于强化学习的句子语义编码方法