[发明专利]古诗词情感分析方法、装置、设备、介质和程序产品

说明书

本发明提供一种古诗词情感分析方法、装置、设备、介质和程序产品，包括：获取待分析的古诗词短文本，并基于LDA主题模型对古诗词短文本中的各条古诗词进行各类预设主题下的文本特征扩充，得到各条古诗词对应的目标古诗词；将各目标古诗词转为词嵌入向量，并将词嵌入向量输入至Transformer编码器，获取Transformer编码器输出的各目标古诗词对应的特征矩阵；将各目标古诗词对应的特征矩阵输入至胶囊网络，获得胶囊网络输出的各目标古诗词对应的各类预设主题的分类结果，由此先进行文本扩充来增加古诗词文本中有效特征量，再进行特征抽取及分类，提高了古诗词短文本分类精准度。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种古诗词情感分析方法、装置、设备、介质和程序产品。

背景技术

情感分析是自然语言处理领域的一个分支，是对人们的观点、情绪、情感、对某件事物的评价和态度的研究。例如针对文本的情感分析。

现有方案中通常采用CNN卷积神经网络、RNN循环神经网络等对文本进行文本情感分析作为情感分析中的重点研究任务，旨在探索文本中蕴含的作者的情感倾向是正面还是反面，或进行更细粒度的探索，如喜、怒、哀、乐、惧、愁等多分类度量，然而在使用CNN卷积神经网络、RNN循环神经网络等对古诗词这类短文本进行情感分析时，由于古诗词文本较短、语言精炼、特征稀疏的特点，通常仅能将古诗词划分为正面、中面、负面三大类，无法进一步进行更细粒度的划分，导致分类精准度不高。

发明内容

本发明提供一种古诗词情感分析方法、装置、设备、介质和程序产品，用以解决现有技术中针对文本较短、语言精炼、特征稀疏的古诗词无法进行更细粒度的划分，导致分类精准度不高的缺陷。

本发明提供一种古诗词情感分析方法，包括：

获取待分析的古诗词短文本，并基于LDA主题模型对所述古诗词短文本中的各条古诗词进行各类预设主题下的文本特征扩充，得到所述各条古诗词对应的目标古诗词；

将各所述目标古诗词转为词嵌入向量，并将所述词嵌入向量输入至Transformer编码器，获取所述Transformer编码器输出的各所述目标古诗词对应的特征矩阵；

将各所述目标古诗词对应的特征矩阵输入至胶囊网络，获得所述胶囊网络输出的各所述目标古诗词对应的所述各类预设主题的分类结果。

根据本发明提供的一种古诗词情感分析方法，所述基于LDA主题模型对所述古诗词短文本中的各条古诗词进行各类预设主题下的文本特征扩充，得到所述各条古诗词对应的目标古诗词，具体包括：

将所述古诗词短文本输入词袋模型，获得所述词袋模型输出的词袋编码；

将所述词袋编码输入LDA主题模型中，获得所述LDA主题模型输出的所述古诗词短文本中的各条古诗词对应的各类预设主题的主题概率分布及各类预设主题的主题词概率分布；

基于所述主题概率分布及所述主题词概率分布从所述古诗词短文本筛选目标主题词，并将所述目标主题词与所述各条古诗词进行拼接，得到所述各条古诗词对应的目标古诗词。

根据本发明提供的一种古诗词情感分析方法，基于所述主题概率分布及所述主题词概率分布从所述古诗词短文本筛选目标主题词，具体包括：

计算出所述主题概率分布及所述主题词概率分布对应的概率分布矩阵；

从所述概率分布矩阵中筛选出概率大于预设阈值的主题词作为目标主题词。

根据本发明提供的一种古诗词情感分析方法，所述将各所述目标古诗词转为词嵌入向量，具体包括：

对所述目标古诗词进行预处理，获得所述目标古诗词对应的至少一个目标词语；

计算出所述目标词语的位置信息，并根据所述位置信息计算出各所述目标词语的词嵌入向量。