[发明专利]评论文本的情感信息提取方法、装置、计算机设备和介质

说明书

本公开提供了一种评论文本的情感信息提取方法、装置、计算机设备和介质。该评论文本的情感信息提取方法包括：获取待提取情感信息的评论文本；将评论文本输入序列到序列模型，由序列到序列模型逐字符得到所述评论文本的以预设句式结构将情感元素四元组包含在内的转译文本；将转译文本输入提取模型，由提取模型输出评论文本内的各组情感元素。本公开情感元素多元组能被一次性准确地提取出来。

技术领域

本公开涉及人工智能领域，具体而言，涉及一种评论文本的情感信息提取方法、装置、计算机设备和介质。

背景技术

对于特定商品的一个评论文本，确定其中基于不同方面的情感倾向，能够帮助商家找出顾客喜欢或者讨厌的方面，也可以帮助新顾客快速了解该商品各个方面的特点。基于方面的情感分析(aspect-based sentiment analysis，简称ABSA)已广泛应用于分析电商商品的评论文本，其旨在提取情感信息从而确定基于方面的情感倾向，所述情感信息通常涉及四种情感元素，即方面类型、方面词、观点词和情感倾向。

已有的基于方面的情感分析，只考虑了单情感元素提取、情感元素对提取以及情感元素三元组提取，这些方法存在以下问题：第一，无法一次性将情感元素四元组全部提取出来，而四种情感元素相结合方可全面而系统地表征情感信息；第二，情感元素多元组的提取过程是按情感元素解耦为多个单情感元素提取过程，其中，单情感元素提取过程通常是使用一个分类网络来执行，准确率不高，并且多情感元素提取的整体性能取决于每一个单情感元素提取的准确性，因而最终情感元素多元组的提取结果会因误差累计而不准确。

发明内容

有鉴于此，本公开旨在改善评论文本的分析方法，使得情感元素多元组能被一次性准确地提取出来。

根据本公开的第一方面，提供一种评论文本的情感信息提取方法，包括：

获取待提取情感信息的评论文本；

将所述评论文本输入序列到序列模型，由所述序列到序列模型逐字符得到所述评论文本的以预设句式结构将情感元素四元组包含在内的转译文本；

将所述转译文本输入提取模型，由所述提取模型输出所述评论文本内的各组情感元素。

可选地，所述序列到序列模型包括编码模块和解码模块；

所述编码模块用于将所述评论句子编码为上下文内容向量；

所述解码模块包括解码单元和转换单元，其中，所述解码单元基于前面各次解码输出的词向量和所述上下文内容向量执行当前次解码并将所述当前次解码生成的词向量输出，以及，各次解码输出的词向量还按解码顺序依次输入所述转换单元，以由所述转换单元按解码顺序将多个词向量转换为所述转译文本。

可选地，所述序列到序列模型通过以下方式预先训练得到：

构造由评论样本构成的样本集，所述评论样本具有事先对情感四元素分别预判的元素标签且关联有在所述预设句式结构中填入所述元素标签后形成的句子标签；

将所述评论样本集中的每个评论样本输入所述序列到序列模型，由所述序列到序列模型得到每个评论样本的预测句子；

将所述评论样本集中的每个评论样本的所述句子标签和所述预测句子进行比较，如果一致的比例未超过预定比例则调整所述序列到序列模型的权重，直到一致的比例超过所述预定比例。

可选地，所述元素标签包括方面类型标签、方面词标签、观点词标签和情感倾向标签；

所述预设句式结构为：A是B因为C是D，A、B、C和D表示四个空置位置；

在所述句子标签中：空置位置A填入所述方面类型标签，空置位置B填入所述情感倾向标签，空置位置C填入所述方面词标签，以及，空置位置D填入所述观点词标签。