公开(公告)号：CN113688634B

公开(公告)日：2022-02-11

申请号：CN202110945239.6

申请日：2021-08-17

Applicant: 中国矿业大学(北京)

Inventor： 闫琰 ,  周法国 ,  张潇 ,  李旭峰 ,  葛逸凡 ,  李嘉裕

IPC: G06F40/30 ,  G06F40/211 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种细粒度情感分析方法，涉及自然语言处理领域。该方法包括以下步骤：为数据集中每条样本生成序列标签和位置嵌入向量、添加“ ”和“ ”标志以标识样本的首尾、添加标签“ ”以补齐样本长度，之后将样本通过词典转化为整数编码序列，输入bert模型生成样本的嵌入向量；搭建实体数量预测模型、实体起始位置标注模型和实体长度预测模型，并将样本分别输入三个模型进行训练，完成评价对象提取(OTE)；搭建情感预测模型，并将样本输入该模型进行训练，完成情感极性分析(OSC)；顺次连接以上训练完毕的四个模型，输入待预测样本，抽取评价对象并分析评价对象的情感极性。本发明可用于抽取评论文本中的评价对象及对其进行情感分析。

公开(公告)号：CN113688634A

公开(公告)日：2021-11-23

申请号：CN202110945239.6

申请日：2021-08-17

Applicant: 中国矿业大学(北京)

Inventor： 闫琰 ,  周法国 ,  张潇 ,  李旭峰 ,  葛逸凡 ,  李嘉裕

IPC: G06F40/30 ,  G06F40/211 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种细粒度情感分析方法，涉及自然语言处理领域。该方法包括以下步骤：为数据集中每条样本生成序列标签和位置嵌入向量、添加“ ”和“ ”标志以标识样本的首尾、添加标签“ ”以补齐样本长度，之后将样本通过词典转化为整数编码序列，输入bert模型生成样本的嵌入向量；搭建实体数量预测模型、实体起始位置标注模型和实体长度预测模型，并将样本分别输入三个模型进行训练，完成评价对象提取(OTE)；搭建情感预测模型，并将样本输入该模型进行训练，完成情感极性分析(OSC)；顺次连接以上训练完毕的四个模型，输入待预测样本，抽取评价对象并分析评价对象的情感极性。本发明可用于抽取评论文本中的评价对象及对其进行情感分析。