[发明专利]一种基于深度学习的短文本情感要素抽取方法及装置有效
| 申请号： | 201610758067.0 | 申请日： | 2016-08-29 |
| 公开（公告）号： | CN106372058B | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 程国艮;巢文涵;周庆 | 申请（专利权）人： | 中译语通科技股份有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F16/35 |
| 代理公司： | 北京万贝专利代理事务所(特殊普通合伙) 11520 | 代理人： | 马红 |
| 地址： | 100040 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的短文本情感要素抽取方法及装置，涉及机器翻译技术领域；解决了现有计算机系统对于自然语言的理解仍处于相对较低的阶段，情感评价对象识别结果不佳的技术问题；该技术方案包括：采用双向长短时记忆的循环神经网络对句子进行建模，然后为每个类别构建分类器，进行分类；对于输入句子而言，将句子中的每个词表示为词向量，作为输入序列输入到所述循环神经网络中；依次计算所述循环神经网络中的每个隐藏状态，计算句子的特征表示；得到句子的特征表示之后，采用逻辑分类器对句子进行分类，识别句子中所评论的情感要素的类别。 | ||
| 搜索关键词： | 一种 基于 深度 学习 文本 情感 要素 抽取 方法 装置 | ||
【主权项】：
1.一种基于深度学习的短文本情感要素抽取方法，其特征在于，采用双向长短时记忆的循环神经网络对句子进行建模，然后为每个类别构建分类器，进行分类；对于输入句子而言，将句子中的每个词表示为词向量，作为输入序列输入到所述循环神经网络中；依次计算所述循环神经网络中的每个隐藏状态，计算句子的特征表示；得到句子的特征表示之后，采用逻辑分类器对句子进行分类，识别句子中所评论的情感要素的类别；所述依次计算所述循环神经网络中的每个隐藏状态，具体为第t时刻的隐藏层节点计算方式如下，![]()
，其中，htf是前向循环神经网络的隐藏节点值，htb是后向循环神经网络的隐藏节点值，选用最后时刻的隐藏节点值作为句子的向量表示，即![]()
，其中f是需要的句子向量表示，冒号表示向量拼接。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中译语通科技股份有限公司，未经中译语通科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610758067.0/，转载请声明来源钻瓜专利网。
