[发明专利]基于语境引导注意力的方面级情感分类方法及系统

权利要求书

1.基于语境引导注意力的方面级情感分类方法，其特征是，包括：

获取待分类的句子和所述句子对应的方面词；

将获取的数据，输入到训练后的方面级情感分类模型中，输出方面级情感分类结果；其中，训练后的方面级情感分类模型，包括：

对待分类的句子和方面词分别进行词嵌入表示的提取，得到句子的词嵌入表示和方面词的词嵌入表示；对句子的词嵌入表示和方面词的词嵌入表示分别进行向量提取，得到句子的词嵌入隐藏状态向量和方面词的词嵌入隐藏状态向量；基于语境引导注意力机制，构建语义图卷积网络；同时，构建句法图卷积网络；将句子的词嵌入隐藏状态向量和方面词的词嵌入隐藏状态向量，输入到语义图卷积网络中，输出语义表示；将句子的词嵌入隐藏状态向量和方面词的词嵌入隐藏状态向量，输入到句法图卷积网络中，输出句法表示；将语义表示和句法表示进行聚合操作，得到第一方面节点隐藏状态向量和第二方面节点隐藏状态向量；分别对第一方面节点隐藏状态向量和第二方面节点隐藏状态向量进行平均池化操作，然后对平均池化操作的两个结果进行级联操作得到最终特征；最后，对最终特征给出情感概率分布，进而得到情感分类标签。

2.如权利要求1所述的基于语境引导注意力的方面级情感分类方法，其特征是，所述训练后的方面级情感分类模型，网络结构包括：

Glove词向量模型，所述Glove词向量模型的输入端用于输入待分类的句子和方面词；Glove词向量模型的输出端与BERT句子编码器的输入端连接，BERT句子编码器的输出端与语义图卷积网络的输入端和句法图卷积网络的输入端连接；语义图卷积网络的输出端和句法图卷积网络的输出端均与聚合模块的输入端连接，聚合模块的输出端分别与第一平均池化层的输入端和第二平均池化层的输入端连接，第一平均池化层的输出端和第二平均池化层的输出端均与拼接单元的输入端连接，拼接单元的输出端与Softmax函数层的输入端连接。

3.如权利要求1所述的基于语境引导注意力的方面级情感分类方法，其特征是，所述训练后的方面级情感分类模型，训练过程包括：

构建训练集，所述训练集为已知方面级情感分类标签的句子；

将训练集输入到方面级情感分类模型中，对方面级情感分类模型进行训练，当模型的损失函数值不再下降时，停止训练，得到训练后的方面级情感分类模型；所述模型的损失函数使用交叉熵损失函数：

其中，a表示句子s中的方面对，θ表示所有可训练的参数，包含所有的句子-方面对，表示情感极性的集合。