语义情感分析方法及装置与流程

技术特征：
1.一种语义情感分析方法，其特征在于，所述方法包括：获取待识别语句；将方面类别与所述待识别语句进行拼装，得到测试拼装语句；将测试拼装语句作为输入，输入至基于bert架构的多分类语义情感分析模型中，以使所述语义情感分析模型确定所述待识别语句在方面类别，所属的情感极性；接收所述语义情感分析模型确定所述待识别语句在方面类别，所属的情感极性。2.根据权利要求1所述的方法，其特征在于，所述方面类别包括多个子类别；所述将方面类别与所述待识别语句进行拼装，得到拼装语句包括：将多个子类别分别作为sentence 1；将所述待识别语句作为sentence 2；将多个子类别与所述待识别语句按照[cls sentence 1 sep sentence 2 sep]的格式分别进行拼装，得到多个拼装语句，以使所述语义情感分析模型根据所述多个拼装语句中cls位置的向量确定所述待识别语句在方面类别，所属的情感极性。3.根据权利要求1所述的方法，其特征在于，所述语义情感分析模型是通过下述方法训练得到的：将方面类别与训练数据集中的各语句进行拼装，得到训练拼装语句；加载bert预训练模型；选择性解冻所述bert预训练模型的部分网络层，并基于所述训练拼装语句，对解冻的网络层进行训练；获取所述bert预训练模型的输出层，并提取cls位置的向量；基于所述向量，以及在所述输出层增设的多层感知网络，确定所述待识别语句在各方面类别，所属的情感极性，得到语义情感分析模型；其中所述情感极性为所述语义情感分析模型的groundtruth。4.根据权利要求3所述的方法，其特征在于，所述选择性解冻所述bert预训练模型的部分网络层包括：将所述bert预训练模型的输出层的前一层进行解冻。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：采用人工标注的验证数据集，对所述语义情感分析模型的预测结果进行验证，其中，在所述情感极性包括三项时，预测准确率达到98.7％；在所述情感极性包括两项时，预测准确率达到99.4％。6.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述语义情感分析模型确定所述待识别语句在方面类别，所属的情感极性，绘制热力分析图。7.一种语义情感分析装置，其特征在于，所述装置包括：获取单元，用于获取待识别语句；拼装单元，用于将方面类别与所述待识别语句进行拼装，得到测试拼装语句；输入单元，用于将测试拼装语句作为输入，输入至基于bert架构的多分类语义情感分析模型中，以使所述语义情感分析模型确定所述待识别语句在方面类别，所属的情感极性；接收单元，用于接收所述语义情感分析模型确定所述待识别语句在方面类别，所属的
情感极性。8.根据权利要求1所述的装置，其特征在于，所述方面类别包括多个子类别；所述拼装单元，用于将多个子类别分别作为sentence 1；将所述待识别语句作为sentence 2；将多个子类别与所述待识别语句按照[cls sentence 1 sep sentence 2 sep]的格式分别进行拼装，得到多个拼装语句，以使所述语义情感分析模型根据所述多个拼装语句中cls位置的向量确定所述待识别语句在方面类别，所属的情感极性。9.根据权利要求1所述的装置，其特征在于，所述语义情感分析模型是通过下述方法训练得到的包括：将方面类别与训练数据集中的各语句进行拼装，得到训练拼装语句；加载bert预训练模型；选择性解冻所述bert预训练模型的部分网络层，并基于所述训练拼装语句，对解冻的网络层进行训练；获取所述bert预训练模型的输出层，并提取cls位置的向量；基于所述向量，以及在所述输出层增设的多层感知网络，确定所述待识别语句在各方面类别，所属的情感极性，得到语义情感分析模型；其中所述情感极性为所述语义情感分析模型的groundtruth。10.根据权利要求8所述的装置，其特征在于，还包括：验证单元，用于基于人工标注的验证数据集，对所述语义情感分析模型的预测结果进行验证，其中，在所述情感极性包括三项时，预测准确率达到98.7％；在所述情感极性包括两项时，预测准确率达到99.4％。

技术总结
本申请公开了一种语义情感分析方法，其特征在于，所述方法包括：获取待识别语句；将方面类别与所述待识别语句进行拼装，得到测试拼装语句；将测试拼装语句作为输入，输入至基于BERT架构的多分类语义情感分析模型中，以使所述语义情感分析模型确定所述待识别语句在方面类别，所属的情感极性；接收所述语义情感分析模型确定所述待识别语句在方面类别，所属的情感极性。本申请将细粒度方面类别情感分析任务转化为一种自然语言推理任务，实现了细粒度端到端的语义情感分析方法；为挖掘消费者的客观意图，为下游的创意生产指导和投放指导提供了可靠的基础支撑；且其鲁棒性、泛化能力都达到了相当高的水平。到了相当高的水平。到了相当高的水平。


技术研发人员：王喆 裴子龙 范凌
受保护的技术使用者：特赞(上海)信息科技有限公司
技术研发日：2021.09.06
技术公布日：2022/1/7