[发明专利]一种指定目标实体的情感分析方法、系统及存储介质

说明书

本发明涉及文本情感分析技术领域，特别涉及一种指定目标实体的情感分析方法、系统及存储介质。方法包括获取文章和目标实体，对文章进行分句，并将句子分为两类：包含目标实体、不包含目标实体；对不包含目标实体的句子进行句子级情感分析，得到每个句子的情感极性和情感得分；对包含目标实体的句子计算获得句子的实体级情感极性和情感得分；利用预先训练的分类器模型对以两种类型句子的情感极性、情感得分组成的特征集合进行处理得到指定目标实体后文章的情感极性。在篇章级情感分析任务的基础上加入了实体级情感分析任务，实现粗粒度和细粒度情感分析任务的有效融合，使篇章级情感分析任务准确度更高。

技术领域

本发明涉及文本情感分析技术领域，其特别涉及一种指定目标实体的情感分析方法、系统及存储介质。

背景技术

按照文本粒度，情感分析可分为篇章级情感分析和句子级情感分析。句子级情感分析目标是判断句子的整体情感极性，而篇章级情感分析难度更大，需要分析包含多个句子的文章。目标级情感分析属于细粒度情感分析，在句子级情感分析任务的基础上，指定了分析对象，目标可以是实体或实体的属性。例如用户评论：“这店的位置的确有点儿偏，但装修还是很漂亮的，食材也新鲜！”，其中餐厅为实体，属性集合是位置、装修和菜品。实体级情感分析能更好地挖掘文本内容，提供更准确的情感分析结果。

目前句子级情感分析任务比较常见，实体级情感分析在行业用户评论中有较多应用，但篇章级情感分析任务相关研究并不多，而篇章级难度更大，文章中会包含各类句子，每个句子都可能影响最终的分析结果，针对不同的实体来讲整个篇章所表达的情感也可能是不一致的，如何结合粗粒度和细粒度情感分析去挖掘文本信息是一个亟待解决的问题。

发明内容

为了解决现有的篇章级情感分析准确度不高的问题，本发明提供一种指定目标实体的情感分析方法、系统及存储介质。

本发明为解决上述技术问题，提供如下的技术方案：一种指定目标实体的情感分析方法，包括以下步骤：

获取文章和目标实体，对文章进行分句，并将句子分为两类：包含目标实体、不包含目标实体；

对不包含目标实体的句子进行句子级情感分析，得到每个句子的情感极性和情感得分；

对包含目标实体的句子，判断句子中相对于目标实体的局部上下文方向，并计算得到局部上下文；

根据计算的局部上下文，计算获得句子的实体级情感极性和情感得分；

利用预先训练的分类器模型对以两种类型句子的情感极性、情感得分组成的特征集合进行处理得到指定目标实体后文章的情感极性。

优选地，在获取文章和目标实体，对文章进行分句还进一步包括以下步骤：

补充目标实体同义词，再进行句子是否包含目标实体的判断；

将包含目标实体同义词的句子也归类为包含目标实体的句子。

优选地，句子级情感分析采用BERT模型分析。

优选地，对不包含目标实体的句子进行分析时，还设置有情感得分范围，使情感得分在该范围内的句子的情感极性判断为中性。

优选地，处理包含目标实体的句子，判断其局部上下文的方向，得到局部上下文具体包含以下步骤：

对包含目标实体的句子进行细粒度分句；

判断目标实体所在的句子和其前后的句子是否存在情感词，得到局部上下文方向；

根据局部上下文方向取部分文本进行依存句法分析处理，得到句法依存树；

根据句法依存树计算局部上下文具体范围，得到局部上下文。

优选地，根据计算的局部上下文和全局上下文，计算获得句子的情感极性和情感得分具体为：将包含目标实体的句子直接作为全局上下文，将局部上下文以及全局上下文经实体级情感分析分别得到各自的句向量，再将各自的句向量拼接融合后再经过self-attention结构处理，得到最终的实体级情感极性和情感分数。