[发明专利]情感分析方法、装置、设备以及存储介质

说明书

本申请涉及一种情感分析方法、装置、设备以及存储介质。方法包括：获取目标语句对应的上下文隐藏向量以及属性词对应的属性词隐藏向量；根据属性词隐藏向量、上下文隐藏向量、训练好的图卷积网络、训练好的属性词的门机制模型以及预设的属性词的屏蔽操作，生成第一隐藏表示；根据第一隐藏表示、属性词隐藏向量、协同注意力机制以及自注意力机制，生成第二隐藏表示；根据上下文隐藏向量、属性词隐藏向量、协同注意力机制以及自注意力机制，生成第三隐藏表示；将第二隐藏表示以及第三隐藏表示进行拼接，获得情感特征表示；根据情感特征表示，生成情感分析结果。本申请具有提高情感分析的准确性的优点。

技术领域

本申请涉及自然语言处理技术领域，特别是涉及一种情感分析方法、装置、设备以及存储介质。

背景技术

属性级情感分析是自然语言处理（Natural Language Processing，NLP）中的重要任务，其目的在于检测带观点的评论句子中针对某个属性的情感极性。

目前，可以通过将图神经网络(如图卷积网络)对语句的句法依存树进行运算，缩短属性词和上下文词之间的距离并利用它们间的句法依赖关系来获得情感分析结果，

然而，发明人在研究过程中发现，一方面，基于句法依存树的图卷积模型，其特征提取过程中的表示向量并不是为了属性词特制的，这可以会导致得到的表示向量并非最优，从而引入与任务无关的噪声，另一方面，偏口语化的评论句子因为含有不规则的句法结构，特征提取也会引入噪声，降低了情感分析结果的准确性。因此，如何提高情感分析的准确性是一个需要解决的技术问题。

发明内容

基于此，本申请的目的在于，提供一种情感分析方法、装置、设备以及存储介质，其具有提高情感分析的准确性的优点。

根据本申请实施例的第一方面，提供一种情感分析方法，所述情感分析方法包括：

获取目标语句以及所述目标语句中的属性词；

将所述目标语句对应的向量表示输入至训练好的门控循环神经网络中，获得上下文隐藏向量，以及将所述属性词对应的向量表示输入至所述门控循环神经网络中，获得属性词隐藏向量；

根据所述属性词隐藏向量、所述上下文隐藏向量、训练好的图卷积网络、训练好的所述属性词的门机制模型以及预设的所述属性词的屏蔽操作，生成第一隐藏表示，其中，所述第一隐藏表示包含的信息去除了与所述属性词无关的信息；

根据所述第一隐藏表示、所述属性词隐藏向量、协同注意力机制以及自注意力机制，生成第二隐藏表示，其中，所述第二隐藏表示为包含属性词语义信息的上下文句法语义信息；

根据所述上下文隐藏向量、所述属性词隐藏向量、所述协同注意力机制以及所述自注意力机制，生成第三隐藏表示，其中，所述第三隐藏表示为降低了不规则句法信息的噪声的信息；

将所述第二隐藏表示以及所述第三隐藏表示进行拼接，获得情感特征表示；

根据所述情感特征表示，生成情感分析结果。

根据本申请实施例的第二方面，提供一种情感分析装置，所述情感分析装置包括：

获取模块，用于获取目标语句以及所述目标语句中的属性词；

输入模块，用于将所述目标语句对应的向量表示输入至训练好的门控循环神经网络中，获得上下文隐藏向量，以及将所述属性词对应的向量表示输入至所述门控循环神经网络中，获得属性词隐藏向量；

第一生成模块，用于根据所述属性词隐藏向量、所述上下文隐藏向量、训练好的图卷积网络、训练好的所述属性词的门机制模型以及预设的所述属性词的屏蔽操作，生成第一隐藏表示，其中，所述第一隐藏表示包含的信息去除了与所述属性词无关的信息；