[发明专利]一种基于语法依赖类型和方面间关联的情感分析方法

权利要求书

1.一种基于语法依赖类型和方面间关联的情感分析方法，其特征在于，该方法具体包括以下步骤:

S1获取需要分析的文本，并通过预训练模型将其转化为词向量表示；

S2将特定方面与句子表示的每一个单词进行拼接，使得句子表示每次只关注特定方面的情感，并引入语法依赖类型，赋予语法依赖树中重要的依赖类型更大的权重，并经由图卷积网络获得包含更多语法信息的句子表示，接着采用注意力层，改善带有方面感知和语法依赖类型的句子表示；

S3将带有方面感知和语法依赖类型的句子表示作为模型的输入，将目标方面作为查询向量，非目标方面通过Bi-GRU使得方面特征在句子表示中进一步传播，然后将所得到含有更多方面特征的句子表示与查询向量之间计算方面间注意力；

S4引入方面间关联矩阵，并经由图卷积网络获取到含有方面间关联的句子表示；

S5将含有方面间关联的句子表示和含有方面特征的句子表示融合起来，并用方面间关联系数控制引入方面间关联特征的多少；

S6得到同时含有方面信息和方面间关联的句子表示后，用方面间注意力控制非目标方面对于目标方面的影响，得到最终的句子表示，结合查询向量来判断目标方面的情感极性。

2.根据权利要求1所述的一种基于语法依赖类型和方面间关联的情感分析方法，其特征在于：步骤S2赋予语法依赖树中重要的依赖类型更大的权重具体为：使用Bi-GRU获取含有方面信息的句子表示，然后引入语法依赖类型，并通过图卷积网络得到含有语法特征的句子表示，并采用注意力层以扩大对于特定方面情感判断有重要作用的单词的影响。

3.根据权利要求2所述的一种基于语法依赖类型和方面间关联的情感分析方法，其特征在于：含有方面信息的句子表示具体过程为：

将方面词a_i嵌入到句子的词向量表示中，得到带有方面词的词向量表示：

经过Bi-GRU，将其命名为GRU₁得到的隐藏表示即

聚焦语法依赖类型的图卷积网络具体构造流程分以下几个步骤：首先使用SpaCy获取语法依赖信息，可以用一个依赖元组列表(w_i,w_j,c_ij)来表示，c_ij表示单词w_i与另一个单词w_j的依赖类型；然后语法依赖信息采用邻接矩阵A来表示，其中的元素a_ij表示单词w_i与另一个单词w_j之间的关系，如果有边相连，则a_ij＝1；没有边相连，则a_ij＝0；

将关系依赖类型矩阵中的元素c_ij映射成它们的词嵌入采用如下方法赋予每个边不同的权重，每条边的权重计算如下式：

其中，和分别表示单词w_i与单词w_j第(l-1)层的隐藏状态，最初的和来源于GRU₁的输出；

最终单词w_i经过图卷积网络在第l层的输出如下：

其中，W^(l)和b^(l)代表l层图卷积中可训练的参数，σ表示激活函数ReLU；经过TFGCN后得到的带有方面信息的句子表示用表示；

在表示方面感知的句子表示时，引入注意力层来改善方面感知的句子表示

具体操作如下公式所示：

α＝softmax(z),

其中b_s为一个标量。

4.根据权利要求2所述的一种基于语法依赖类型和方面间关联的情感分析方法，其特征在于：步骤S3计算方面间注意力具体为：将含有方面间关联和语法依赖类型的句子表示作为输入，将其通过Bi-GRU，使得方面信息进一步在句子表示中传播，得到含有更多方面特征的句子表示，并将目标方面作为查询向量，计算目标方面与非目标方面的方面间注意力。