[发明专利]一种评价方面确定方法和装置

权利要求书

1.一种评价方面确定方法，其特征在于，所述方法包括：

根据评价文本的字符特征向量，生成所述评价文本的词向量；

将经过词性标注的所述词向量输入到配置依存跃迁结构的第一双向长短期记忆网络模型中进行运算，得到所述评价文本对应的第一预测标签序列；

计算所述第一预测标签序列之间的转移得分；

计算预测标签序列的发射得分与所述预测标签序列之间的转移得分的和值，得到所述评价文本对应的标签组合的得分；其中，所述预测标签序列包括所述第一预测标签序列和至少一个第二预测标签序列；

对所述评价文本对应的标签组合的得分进行归一化处理，得到所述评价文本对应的标签组合的概率；

将所述评价文本对应的标签组合的概率输入到最大化对数似然函数中进行参数优化，得到目标最大化对数似然函数；

根据所述目标最大化对数似然函数和所述至少一个第二预测标签序列，计算所述至少一个第二预测标签序列的概率，并将概率最大值对应的第二预测标签序列作为目标标签序列，以确定出所述评价文本的评价方面；

其中，所述将经过词性标注的所述词向量输入到配置依存跃迁结构的第一双向长短期记忆网络模型中进行运算，得到所述评价文本对应的第一预测标签序列，包括：

获取所述经过词性标注的词向量之间的句法依存关系，并将所述句法依存关系转换为依存嵌入向量；

将依存跃迁向量作为所述配置依存跃迁结构的第一双向长短期记忆网络模型各个时间步的输入，计算得到所述词向量对应所有设定标签的发射得分；其中，所述依存跃迁向量包括所述依存嵌入向量；

比较所述所有设定标签的发射得分的大小，并将发射得分最大值对应的设定标签作为所述词向量的第一预测标签，所述评价文本对应的第一预测标签序列由所述词向量的第一预测标签组成。

2.根据权利要求1所述的一种评价方面确定方法，其特征在于，所述根据评价文本的字符特征向量，生成所述评价文本的词向量，包括：

对所述评价文本进行分词，并生成所述字符特征向量；

根据词嵌入算法和所述字符特征向量，生成所述评价文本的词向量。

3.根据权利要求2所述的一种评价方面确定方法，其特征在于，所述对所述评价文本进行分词，并生成所述字符特征向量，包括：

将分词结果拆分成单个字符组成的序列，所述分词结果为所述评价文本进行分词之后得到的单词；

基于第二双向长短期记忆网络模型，对所述单个字符组成的序列进行运算，并生成所述分词结果对应的字符特征向量。

4.根据权利要求1所述的一种评价方面确定方法，其特征在于，所述获取所述经过词性标注的词向量之间的句法依存关系，并将所述句法依存关系转换为依存嵌入向量，包括：

遍历所述词向量对应的词性标注，并构建依存句法树，所述依存句法树用于表征所述词向量之间的句法依存关系；

将所述句法依存关系输入到仿射函数中，生成所述依存嵌入向量。

5.根据权利要求4所述的一种评价方面确定方法，其特征在于，所述方法还包括：

检测所述句法依存关系中的中心词的第一位置编号和当前时间步单词的第二位置编号；其中，所述中心词支配所述当前时间步单词；

如果所述第一位置编号小于所述第二位置编号，则将所述依存跃迁向量从所述中心词前向传递至所述当前时间步单词；

如果所述第一位置编号大于所述第二位置编号，则将所述依存跃迁向量从所述中心词后向传递至所述当前时间步单词。