[发明专利]一种情感倾向预测方法、装置、系统及存储介质在审
| 申请号: | 201910941635.4 | 申请日: | 2019-09-30 |
| 公开(公告)号: | CN110674301A | 公开(公告)日: | 2020-01-10 |
| 发明(设计)人: | 祝文博;雷欣;李志飞 | 申请(专利权)人: | 出门问问信息科技有限公司 |
| 主分类号: | G06F16/35 | 分类号: | G06F16/35;G06F40/284;G06N3/04 |
| 代理公司: | 11734 北京乐知新创知识产权代理事务所(普通合伙) | 代理人: | 江宇 |
| 地址: | 100044 北京市海淀区*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 情感倾向 神经网络 图形结构 文本信息 相似度 预测 邻接矩阵 计算机存储介质 情感分类模型 语义 数据转化 预测结果 长文本 转化 聚合 | ||
1.一种基于图神经网络GNN的情感倾向性预测方法,其特征在于,所述方法包括:
获取文本信息;
将所述文本信息转化为以词为节点,以词之间的相似度为边的图形结构数据;
将所述图形结构数据转化为由词之间相似度构成的邻接矩阵;
通过情感分类模型对所述邻接矩阵进行情感倾向预测。
2.根据权利要求1所述的方法,其特征在于,所述将所述文本信息转化为以词为节点,以词之间的相似度为边的图形结构数据,包括:
提取所述文本信息中的词;
获取所提取的词之间的相似度;
以所提取的词为节点,以词之间的相似度为边构造图形结构数据。
3.根据权利要求2所述的方法,其特征在于,所述获取所提取的词之间的相似度,包括:
通过词向量转化工具获取所提取的词之间的相似度。
4.根据权利要求2所述的方法,其特征在于,所述获取所提取的词之间的相似度,包括:
通过使用词相似度计算方法进行建模获取所提取的词之间的相似度。
5.根据权利要求1所述的方法,其特征在于,所述通过情感分类模型对所述邻接矩阵进行情感倾向预测,包括:
通过卷积神经网络模型CNN对所述邻接矩阵进行特征提取以得到对应的压缩表示向量;
将所述压缩表示向量经过全连接层和分类模型获得情感倾向预测结果。
6.一种基于图神经网络的情感倾向性预测装置,其特征在于,所述装置包括:
信息获取模块,用于获取文本信息;
图形结构数据转化模块,用于将所述文本信息转化为以词为节点,以词之间的相似度为边的图形结构数据;
邻接矩阵转化模块,用于将所述图形结构数据转化为由词之间相似度构成的邻接矩阵;
情感倾向预测模块,通过情感分类模型对所述邻接矩阵进行情感倾向预测。
7.根据权利要求6所述的装置,其特征在于,所述图形结构数据转化模块,包括:
词提取单元,用于提取所述文本信息中的词;
相似度获取单元,用于获取所提取的词之间的相似度;
图形结构数据构造单元,用于以所提取的词为节点,以词之间的相似度为边构造图形结构数据。
8.根据权利要求7所述的装置,其特征在于,所述相似度获取单元,具体用于,
通过词向量转化工具获取所提取的词之间的相似度。
9.一种基于图神经网络的情感倾向预测系统,包括处理器和存储器,其中,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行权利要求1至5任一项所述的情感倾向预测方法。
10.一种计算机存储介质,其特征在于,所述存储介质包括一组计算机可执行指令,当所述指令被执行时用于执行权利要求1至5任一项所述的方法。
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出门问问信息科技有限公司,未经出门问问信息科技有限公司许可,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/201910941635.4/1.html,转载请声明来源钻瓜专利网。





