[发明专利]一种情感分类方法及设备

说明书

本发明涉及一种情感分类方法及设备，该方法包括：将目标句子对应的嵌入表示输入特征信息提取网络获取句子特征表示；将句子特征表示和权重图输入权重图句法信息提取网络，得到权重图句法信息；将句子特征表示、句法邻接矩阵和语义邻接矩阵输入语义句法信息整合网络，得到语义补充句法信息；根据目标词在目标句子中的位置、权重图句法信息、语义补充句法信息和情感信息提取算法，得到第一情感特征表示和第二情感特征表示；对第一情感特征表示和第二情感特征表示进行融合，将融合后的情感特征表示输入情感分类函数中，得到目标词的情感分类结果。相对于现有技术，本申请能够减少引入不必要的噪音，将语义补充到句法信息中，提高情感分类的准确性。

技术领域

本发明涉及自然语言处理技术领域，特别是涉及一种情感分类方法及设备。

背景技术

情感分类是自然语言处理（Natural Language Processing，NLP）中的重要任务，其目的在于对带有情感色彩的主观性文本进行分类。其中，属性级的情感分类属于细粒度情感分类方法，与传统的情感分类方法不同，其目的主要在于分析出句子中目标词的情感极性。

但是，目前的属性级情感分类方法更多地是利用句子对应的句法依存树，获取其中的句法依存信息，从而利用句法依存信息和深度神经网络去进行目标词的情感极性判断。但是，由于句法依存树中包含了与情感分类不相关的单词之间连接关系，从而引入了不必要的噪声，并且，若句子的句法结构复杂，也会在深度神经网络的传递过程中损失很多关键信息，影响最终分类结果的准确性。

发明内容

为克服相关技术中存在的问题，本发明实施例提供了一种情感分类方法及设备。

根据本发明实施例的第一方面，提供一种情感分类方法，包括如下步骤：

获取文本中目标句子对应的嵌入表示；其中，所述目标句子中包括上下文和目标词，所述目标词中至少包括一个单词；

将所述目标句子对应的嵌入表示输入预设的特征信息提取网络，获取所述目标句子对应的句子特征表示；

获取所述目标句子对应的权重图；其中，所述权重图中包括信息从所述目标句子中单词对应的节点传递到所述单词对应的节点的邻接节点的概率；

将所述目标句子对应的句子特征表示和所述目标句子对应的权重图输入预设的权重图句法信息提取网络，得到所述目标句子对应的权重图句法信息；

获取所述目标句子对应的句法邻接矩阵和所述目标句子对应的语义邻接矩阵；

将所述目标句子对应的句子特征表示、所述目标句子对应的句法邻接矩阵和所述目标句子对应的语义邻接矩阵输入预设的语义句法信息整合网络，得到所述目标句子对应的语义补充句法信息；

根据所述目标词在所述目标句子中的位置、所述权重图句法信息、所述语义补充句法信息和预设的情感信息提取算法，得到所述权重图句法信息对应的第一情感特征表示和所述语义补充句法信息对应的第二情感特征表示；

对所述第一情感特征表示和所述第二情感特征表示进行融合，得到融合后的情感特征表示，将所述融合后的情感特征表示输入预设的情感分类函数中，得到所述目标词的情感分类结果。

根据本发明实施例的第二方面，提供一种情感分类设备，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述方法的步骤。