[发明专利]一种基于用户知识的个性化隐式情感分析方法与系统

权利要求书

1.一种基于用户知识的个性化隐式情感分析方法，其特征在于：包括以下步骤：

S1：使用开放领域文本及交互数据，构建用户外部信息和用户内部信息库；

其中，所述的用户外部信息包括用户的社会化关注关系，通过矩阵A进行表示；所述的用户内部信息库包括用户id、用户发布内容集合C以及用户基本信息集合I；待分析隐式情感句标记为s；

S2：将用户基本信息集合I输入Bert预训练模型获取其向量表示，将向量拼接获取用户基本信息I的特征表示E_i；

S3：使用开放情感常识知识库，利用句子-词汇的匹配关系构建知识图谱G；

S4：根据基于知识嵌入的多极性注意力模型结合步骤S3中所述的知识图谱G，获取步骤S1中所述的用户发布内容集合C的特征表示为E_c，以及待分析隐式情感句子序列特征表示为H_s；

S5：根据UD-GCN模型，以步骤S1中获取的矩阵A为输入获取用户社会化关系特征表示为E_u；

S6：根据堆栈注意力模型，将步骤S2、S4、S5中获取的用户基本信息集合I的特征E_i、用户发布内容集合C的特征E_c、用户社会化关系特征E_u与隐式情感句子序列特征H_s进行融合学习，获取用户知识嵌入的隐式情感句子语义表示H；

S7：根据正交注意力机制模型，对步骤S6中获取的用户知识嵌入的隐式情感句子语义表示H进行优化训练，通过全连接层预测该句子的隐式情感标签

2.根据权利要求1所述的一种基于用户知识的个性化隐式情感分析方法，其特征在于：步骤S1中构建的用户社会化关注关系矩阵n为输入数据集包含的用户个数，A_ij∈{0,1,2,3}表示用户i与用户j之间的社会化关注关系，包括i关注j、j关注i、ij互相关注以及无关系四种类型，用户的基本信息集合I包括用户性别、地域以及个人签名信息。

3.根据权利要求1所述的一种基于用户知识的个性化隐式情感分析方法，其特征在于：步骤S3中所述开放情感常识知识库的知识以三元组形式呈现，形式为T＝h，r，t，其中，h为头实体，r为实体间的关系，t为尾实体。开放情感词典库记为d，需要进行知识匹配的句子记为S，步骤S3中所述句子-词汇匹配关系定义包括如下四种：

(1)情感常识三元组筛选：主要用于获取带情感信息的三元组，使用三元组与情感词匹配，确保三元组中的h或t包含情感词，即h∈d或t∈d，且h和t不会同时包含词典d中的词；

(2)文本相关三元组筛选：主要用于获取与文本相关的三元组，使用隐式情感数据与筛选后的数据匹配，仅当三元组中的h或t存在于句子S中时，即h∈S或t∈S，且h和t不会同时存在于S中，保留此三元组；

(3)关系类型筛选：主要用于获取合适关系类型的三元组，通过人工对一定关系下的三元组的合理性进行判别，即判别h、t和r之间是否出现逻辑问题，选取前十种匹配得到的最多三元组的关系类型，作为要引入的三元组；

(4)语义相关三元组筛选：主要用于获取与隐式情感句语义相关的三元组，把三元组转化为一个句子表达以计算其与句子的语义相似度，使用Bert模型学习自然语言形式的三元组表达和隐式情感句的表示，并进行余弦相似度计算，所述余弦相似度计算公式为：

其中，E1和E2表示三元组转化的句子与隐式情感句子分别输入Bert模型学习得到的向量，

对筛选出的三元组计算余弦值并降序排列，选取相似度值前七的三元组引入文本中。