[发明专利]基于深度学习的方面级情感四元组抽取方法及系统

权利要求书

1.一种基于深度学习的方面级情感四元组抽取方法，其特征在于，包括：

获取原始给定语句；

基于原始给定语句，利用预先训练好的方面级情感四元组抽取模型进行情感四元组抽取；

其中，利用预先训练好的方面级情感四元组抽取模型进行情感四元组抽取，包括：

采用行内标签的方式对原始给定语句中的方面词进行提取；

基于提取的方面词构建问题模板语句，并利用问题模板语句和原始给定语句进行拼接，基于拼接语句提取与方面词配对的意见词；

利用预定义方面类别和预定义方面情感极性生成对应的方面类别解码器模板语句和情感极性解码器模板语句，并根据编码后的原始给定语句进行解码，得到方面类别和方面情感。

2.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，根据提取的方面词，意见词，方面类别以及方面情感组成情感四元组。

3.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，采用行内标签的方式对原始给定语句中的方面词进行提取，具体为：

基于原始给定语句，利用BERT编码器获取原始给定语句的嵌入语义表示；

基于嵌入语义表示，根据预测概率大于设定值的标志作为方面元素的开始或结尾；

将每个作为开始的标志与其最近的作为结尾的标志进行配对确定一个方面词；

依次类推，确定提取原始给定语句中所有的方面词。

4.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，基于提取的方面词构建问题模板语句，并利用问题模板语句和原始给定语句进行拼接，包括：

基于方面词使用固定模板语句构建问题模板语句；

基于问题模板语句与原始给定语句进行拼接；

得到拼接语句。

5.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，所述基于拼接语句提取与方面词配对的意见词，具体为：

基于拼接语句，利用BERT编码器获取原始给定语句的意见表示；

基于原始给定语句的意见表示，根据预测概率大于设定值的标志作为意见词的开始或结尾；

将每个作为开始的标志与其最近的作为结尾的标志进行配对确定一个意见词；

依次类推，确定提取原始给定语句的意见表示中所有的意见词。

6.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，利用预定义方面类别生成对应的方面类别解码器模板语句，并根据编码后的原始给定语句进行解码，得到方面词对应的方面类别，具体为：

利用BART编码器对原始给定语句进行编码，得到原始给定语句的隐藏表示；

利用预定义方面类别生成对应的方面类别解码器模板语句；

利用解码器的注意力机制对原始给定语句的隐藏表示和方面类别解码器模板语句进行解码得到注意力机制的输出表示；

利用前馈层对注意力机制的输出表示归一化后得分；

将得分最高对应的方面类别解码器模板语句作为解码器输出；

根据方面类别解码器模板语句对应的方面类别作为最终的方面类别。

7.如权利要求1所述的一种基于深度学习的方面级情感四元组抽取方法，其特征在于，利用预定义方面情感极性生成对应的情感极性解码器模板语句，并根据编码后的原始给定语句进行解码，得到方面词对应的方面情感，具体为：

利用BART编码器对原始给定语句进行编码，得到原始给定语句的隐藏表示；

利用预定义方面情感极性生成对应的情感极性解码器模板语句；

利用解码器的注意力机制对原始给定语句的隐藏表示和情感极性解码器模板语句进行解码得到注意力机制的输出表示；

利用前馈层对注意力机制的输出表示归一化后得分；

将得分最高对应的情感极性解码器模板语句作为解码器输出；

根据情感极性解码器模板语句对应的情感极性作为最终的方面情感。