语言情感预测方法技术

本公开提供一种语言情感预测方法

【技术实现步骤摘要】
语言情感预测方法、装置、存储介质与电子设备


[0001]本公开涉及自然语言处理
，尤其涉及一种语言情感预测方法
、
语言情感预测装置
、
计算机可读存储介质与电子设备
。

技术介绍

[0002]情感分析或预测是自然语言处理中的一项重要研究内容，旨在识别语句中关于词的具体情感分类，如情感极性属于积极
、
消极还是中性等
。
[0003]在一些相关技术中，使用传统的机器学习模型对语句中的词进行情感预测，这依赖于人为设计的特征质量，当特征质量不高时，严重影响情感预测的准确性，并且人为设计特征非常耗费人力与时间成本
。

技术实现思路

[0004]本公开提供一种语言情感预测方法
、
语言情感预测装置
、
计算机可读存储介质与电子设备，以至少在一定程度上解决相关技术中情感预测的准确性不高的问题
。
[0005]根据本公开的第一方面，提供一种语言情感预测方法，包括：获取由待处理语句和所述待处理语句中的属性词形成的待处理序列，获取所述待处理序列中的词的句法依存类型以及所述词的属性感知距离，所述词的属性感知距离表示所述词与所述属性词之间的句法距离；对所述待处理序列
、
所述词的句法依存类型
、
所述词的属性感知距离进行嵌入处理，得到所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息；根据所述词的上下文表征信息得到所述属性词的初始表征信息；利用注意力机制对所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息
、
以及所述属性词的初始表征信息进行处理，根据处理结果生成邻接矩阵；通过将所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息进行聚合，得到所述词的聚合表征信息；在所述词中确定所述属性词的关联词，基于所述邻接矩阵将所述关联词的聚合表征信息进行融合，得到所述属性词的最终表征信息；利用情感预测模型对所述属性词的最终表征信息进行处理，得到所述属性词的情感预测结果
。
[0006]根据本公开的第二方面，提供一种语言情感预测装置，包括：信息获取模块，被配置为获取由待处理语句和所述待处理语句中的属性词形成的待处理序列，获取所述待处理序列中的词的句法依存类型以及所述词的属性感知距离，所述词的属性感知距离表示所述词与所述属性词之间的句法距离；嵌入处理模块，被配置为对所述待处理序列
、
所述词的句法依存类型
、
所述词的属性感知距离进行嵌入处理，得到所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息；根据所述词的上下文表征信息得到所述属性词的初始表征信息；邻接关系处理模块，被配置为利用注意力机制对所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息
、
以及所述属性词的初始表征信息进行处理，根据处理结果生成邻接矩阵；多信息聚合模块，被配置为通过将所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息进行聚合，得到所述词的聚合表征信息；在所述词中
确定所述属性词的关联词，基于所述邻接矩阵将所述关联词的聚合表征信息进行融合，得到所述属性词的最终表征信息；预测处理模块，被配置为利用情感预测模型对所述属性词的最终表征信息进行处理，得到所述属性词的情感预测结果
。
[0007]根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面的语言情感预测方法及其可能的实现方式
。
[0008]根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令，来执行上述第一方面的语言情感预测方法及其可能的实现方式
。
[0009]本公开的技术方案具有以下有益效果：
[0010]一方面，结合待处理语句
、
待处理语句中的属性词
、
词的句法依存类型
、
词的属性感知距离等多方面信息，充分挖掘并利用了语句中的信息
。
并且，通过引入注意力机制以及表征信息聚合与融合的机制，能够有效地整合多方面信息，充分地学习语句中的属性词相关以及全局的句法
、
语义信息，以生成信息量较大的最终表征信息，从而为情感预测提供全面的信息，有利于提高情感预测的准确性
。
另一方面，本方案所需的信息均为语句中的词
、
句法等客观信息，不需要进行特征的设计，情感预测的准确性也不依赖于特征的质量，由此节省人力与时间成本，并保证情感预测的鲁棒性
。
再一方面，本方案可应用于多种不同场景，特别是在词典或句法资源稀缺的场景中也有较好的表现
。
附图说明
[0011]图1示出本示例性实施方式中一种语言情感预测方法的流程图
。
[0012]图2示出本示例性实施方式中一种生成邻接矩阵的流程图
。
[0013]图3示出本示例性实施方式中一种得到第一关联关系的流程图
。
[0014]图4示出本示例性实施方式中一种得到第二关联关系的流程图
。
[0015]图5示出本示例性实施方式中一种得到最终表征信息的流程图
。
[0016]图6示出本示例性实施方式中全局化模型的示意图
。
[0017]图7示出本示例性实施方式中一种语言情感预测装置的结构示意图
。
[0018]图8示出本示例性实施方式中一种电子设备的结构示意图
。
具体实施方式
[0019]下文将结合附图更全面地描述本公开的示例性实施方式
。
[0020]附图为本公开的示意性图解，并非一定是按比例绘制
。
附图中所示的一些方框图可能是功能实体，不一定必须与物理或逻辑上独立的实体相对应
。
可以采用软件形式来实现这些功能实体，或在硬件模块或集成电路中实现这些功能实体，或在网络
、
处理器或微控制器中实现这些功能实体
。
实施方式能够以多种形式实施，不应被理解为限于在此阐述的范例
。
本公开所描述的特征
、
结构或特性可以以任何合适的方式结合在一个或多个实施方式中
。
在下文的描述中，提供许多具体细节从而给出对本公开实施方式的充分说明
。
然而，本领域技术人员应意识到，可以在实现本公开的技术方案时省略其中的一个或多个特定细节，或者可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种语言情感预测方法，其特征在于，包括：获取由待处理语句和所述待处理语句中的属性词形成的待处理序列，获取所述待处理序列中的词的句法依存类型以及所述词的属性感知距离，所述词的属性感知距离表示所述词与所述属性词之间的句法距离；对所述待处理序列
、
所述词的句法依存类型
、
所述词的属性感知距离进行嵌入处理，得到所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息；根据所述词的上下文表征信息得到所述属性词的初始表征信息；利用注意力机制对所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息
、
以及所述属性词的初始表征信息进行处理，根据处理结果生成邻接矩阵；通过将所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息进行聚合，得到所述词的聚合表征信息；在所述词中确定所述属性词的关联词，基于所述邻接矩阵将所述关联词的聚合表征信息进行融合，得到所述属性词的最终表征信息；利用情感预测模型对所述属性词的最终表征信息进行处理，得到所述属性词的情感预测结果
。2.
根据权利要求1所述的方法，其特征在于，所述利用注意力机制对所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息
、
以及所述属性词的初始表征信息进行处理，根据处理结果生成邻接矩阵，包括：利用句法感知注意力机制对所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息
、
所述属性词的初始表征信息进行处理，以提取所述词与所述属性词之间的第一关联关系；利用句法感知自注意力机制对所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息进行处理，以提取所述词之间的第二关联关系；根据所述第一关联关系和所述第二关联关系生成邻接矩阵
。3.
根据权利要求2所述的方法，其特征在于，所述利用句法感知注意力机制对所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息
、
所述属性词的初始表征信息进行处理，以提取所述词与所述属性词之间的第一关联关系，包括：将所述属性词的初始表征信息
、
所述词的句法依存表征信息
、
属性感知距离表征信息聚合后利用门控循环单元进行处理，得到第一中间表征信息；将所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息聚合后利用门控循环单元进行处理，得到第二中间表征信息；融合所述第一中间表征信息与所述第二中间表征信息，得到所述第一关联关系
。4.
根据权利要求2所述的方法，其特征在于，所述利用句法感知自注意力机制对所述词的上下文表征信息
、
句法依存表征信息
、
属性感知距离表征信息进行处理，以提取所述词之间的第二关联关系，包括：将所述属性词的初始表征信息
、
所述词的句法依存表征信息
、
属性感知距离表征信息聚合后利用门控循环单元进行处理，分别得到查...

【专利技术属性】
技术研发人员：刘宁，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：