基于知识图谱的情感分类方法、装置、设备以及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115905518A(43)申请公布日2023.04.04(21)申请号202211265500.9G06F40/30(2020.01)(22)申请日2022.10.17G06N3/0442(2023.01)G06N3/0464(2023.01)(71)申请人华南师范大学G06N3/048(2023.01)地址528225广东省佛山市南海区狮山南海软件园华南师范大学电子与信息工程学院(72)发明人余海波蔡倩华卢国钧薛云黄震华(74)专利代理机构广州骏思知识产权代理有限公司44425专利代理师叶琼园(51)Int.Cl.G06F16/35(2019.01)G06F16/36(2019.01)G06F40/211(2020.01)权利要求书5页说明书15页附图4页(54)发明名称基于知识图谱的情感分类方法、装置、设备以及存储介质(57)摘要本发明涉及情感分析领域，特别涉及一种基于知识图谱的情感分类方法、装置、设备以及存储介质，通过构建待测语句的知识图谱，获取与所述知识图谱相关联的常识特征向量，结合获取到的情感特征向量，更加全面地对待测语句进行情感分析，提升了情感分析的准确性以及效率。CN115905518ACN115905518A权利要求书1/5页1.一种基于知识图谱的情感分类方法，其特征在于，包括以下步骤：获取待测语句以及预设的神经网络模型，其中，所述待测语句包括若干个单词，所述单词包括方面词，所述神经网络模型包括知识提取模块、句子编码模块、语义提取模块、句法提取模块、特征融合模块以及情感分析模块；构建与所述待测语句相关联的知识图谱，其中，所述知识图谱包括若干个与方面词相关联的链接实体，以及若干个所述各个链接实体彼此的连接关系；将所述知识图谱输入至所述知识提取模块，根据所述知识图谱中若干个链接实体，获取知识图谱嵌入矩阵，根据所述知识图谱中各个链接实体彼此的连接关系，获取知识图谱关系矩阵，其中，所述知识图谱关系矩阵包括若干个所述连接关系对应的特征向量，所述知识图谱关系矩阵包括若干个所述连接关系对应的特征向量；根据所述知识图谱关系矩阵、知识图谱关系矩阵以及预设的损失函数，对所述知识图谱嵌入矩阵进行更新，获取更新后的知识图谱嵌入矩阵，基于所述更新后的知识图谱嵌入矩阵，获取更新后的所述若干个链接实体的对应的特征向量，将更新后的所述若干个链接实体的对应的特征向量进行组合，获取所述待测语句的知识特征表示；将所述待测语句输入至所述句子编码模块中，获得所述待测语句的前向特征表示以及后向特征表示，将所述待测语句的前向特征表示以及后向特征表示进行拼接，获得所述待测语句的双向特征表示；将所述待测语句的双向特征表示输入至所述语义提取模块，获得所述待测语句的语义特征表示；构建所述待测语句的目标邻接矩阵，将所述待测语句的双向特征表示以及目标邻接矩阵输入至所述句法提取模块中，获得所述待测语句的句法特征表示；将所述待测语句的知识特征表示、语义特征表示以及句法特征表示输入至所述特征融合模块中，获得所述待测语句的融合特征表示；将所述待测语句的融合特征表示输入至所述情感分析模块中，获取所述待测语句的情感分析结果。2.根据权利要求1所述的基于知识图谱的情感分类方法，其特征在于：所述单词还包括上文单词以及下文单词；所述构建与所述待测语句相关联的知识图谱，包括步骤：根据所述待测语句的上文单词、方面词、下文单词以及预设的双向编码器，获取所述方面词对应的特征向量；将所述方面词对应的特征向量分别与预设的知识图谱匹配池中若干个链接实体对应的特征向量进行匹配，获得所述若干个方面词相关联的链接实体，根据所述链接实体，获得所述各个链接实体彼此的连接关系，构建所述知识图谱。3.根据权利要求2所述的基于知识图谱的情感分类方法，其特征在于：所述链接实体包括头链接实体以及尾链接实体；所述根据所述知识图谱关系矩阵、知识图谱关系矩阵以及预设的损失函数，对所述知识图谱嵌入矩阵进行更新，获取更新后的知识图谱嵌入矩阵，包括步骤：根据所述知识图谱中头链接实体、连接关系、尾链接实体在所述知识图谱嵌入矩阵以及知识图谱关系矩阵中的索引，构建正例三元组集以及负例三元组集，其中，所述正例三元2CN115905518A权利要求书2/5页组集包括若干个正例三元组，所述负例三元组集若干个负例三元组，所述正例三元组为：S(h，r，t)式中，h为所述正例三元组中的头链接实体在所述知识图谱嵌入矩阵中的索引序号，r为所述正例三元组中的连接关系在所述知识图谱关系矩阵中的索引序号，t为所述正例三元组中的尾链接实体在所述知识图谱嵌入矩阵中的索引序号；所述负例三元组为：S′(h′，r′，t′)式中，h′为所述负例三元组中的头链接实体在所述知识图谱嵌入矩阵中的索引序号，r′为