(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210473923.3 (22)申请日 2022.04.29 (71)申请人 西安邮电大 学 地址 710061 陕西省西安市长安 南路563号 (72)发明人 孔韦韦　王泽　雷阳　 (74)专利代理 机构 西安亚信智佳知识产权代理 事务所(普通 合伙) 61241 专利代理师 张西娟 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/211(2020.01) G06F 40/242(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于词性位置与图卷积网络的方面级情感 分类方法及装置 (57)摘要 本公开实施例是关于一种基于词性位置与 图卷积网络的方面级情感分类方法及装置。 该方 法包括以下步骤： 根据单词的词性位置信息获得 所述单词所在的句子文本的词向量表 示； 为每个 目标句子生成融合词性位置信息和图卷积网络 信息的增强句法依存树； 通过学习方面词与上下 文之间的交互信息， 实现情感分类。 本公开实施 例解决了处理文本情感分析任务时忽视单词的 词性位置信息以及方面词与上下文的交互信息 学习不足等问题； 本方法综合了词性位置信息和 图卷积网络的优势， 进一步提升了方面级情感分 类效果， 具有更为理想的文本情感分析准确率。 权利要求书2页 说明书12页 附图5页 CN 114791950 A 2022.07.26 CN 114791950 A 1.基于词性位置与图卷积网络的方面级情感分类方法， 其特征在于， 所述方法包括以 下步骤： 根据单词的词性 位置信息获得 所述单词所在的句子文本的词向量表示； 为每个目标句子生成融合词性 位置信息和图卷积网络信息的增强句法依存树； 通过学习方面词与上 下文之间的交 互信息， 实现情感分类。 2.根据权利要求1所述的方法， 其特征在于， 所述根据单词的词性位置信 息获得所述单 词所在的句子文本的词向量表示， 包括： 计算单词间的相对距离向量； 根据方面词的相对距离向量计算出 各单词的词性 位置权重； 将句子文本中的单词映射到低维向量空间， 获得句子的词向量表示。 3.根据权利要求2所述的方法， 其特征在于， 所述为每个目标句子生成融合词性位置信 息和图卷积网络信息的增强句法依存树， 包括： 对目标句子上 下文的语义特 征进行提取； 利用句法依存树构建邻接矩阵； 利用相对距离向量构造与所述邻接矩阵相对应的词性 位置权重矩阵； 为每个句子文本生成增强句法依存树。 4.根据权利要求3所述的方法， 其特征在于， 所述对目标句子上下文的语义特征进行提 取， 包括： 利用双向长短期记 忆网络模型对目标句子上 下文的语义特 征进行提取。 5.根据权利要求1所述的方法， 其特征在于， 所述通过学习方面词与 上下文之间的交互 信息， 实现情感分类， 包括： 通过掩码机制和交互注意力机制学习方面词与上下文之间的交互信息， 实现情感分 类。 6.根据权利要求1所述的方法， 其特征在于， 所述通过学习方面词与 上下文之间的交互 信息， 实现情感分类， 包括： 采用图卷积网络将句法信 息以及词性位置信 息的信息特征进行融合， 获得句子文本的 多信息特 征表示； 采用掩码机制对非方面词信息进行屏蔽， 同时保持方面词信息不变； 采用交互式注意力来捕捉上下文中的重要情感特征， 为上下文单词设置基于交互的注 意力权重； 对特征表示进行计算得 出情感分类结果。 7.根据权利要求6所述的方法， 其特征在于， 所述对特征表示进行计算得出情感分类结 果， 包括： 采用归一 化指数函数计算情感类别空间中的概 率分布； 将各个情感极性预测值的归一化结果的最大值所对应的情感极性标签作为最终的情 感分类结果。 8.基于词性 位置与图卷积网络的方面级情感分类装置， 其特 征在于， 包括： 词向量获取单元， 用于根据 单词的词性位置信 息获得所述单词所在的句子文本的词向 量表示；权　利　要　求　书 1/2 页 2 CN 114791950 A 2依存树生成单元， 用于为每个目标句子生成融合词性位置信 息和图卷积网络信 息的增 强句法依存树； 情感分类单 元， 用于通过 学习方面词与上 下文之间的交 互信息， 实现情感分类。 9.一种电子设备， 其特 征在于， 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权利要求1～7任一项所述基 于词性位置与图卷积网络的方面级情感分类方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现权利要求1～7任一项所述基于词性位置与图卷积网络的方面级情感分类方法 的步骤。权　利　要　求　书 2/2 页 3 CN 114791950 A 3