(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 202210662347.7 (22)申请日 2022.06.13 (71)申请人 华南师范大学 地址 510006 广东省广州市番禺区外环西 路378号华南师范大学物理与电信工 程学院 (72)发明人 郑梦云　唐小煜　李萍　龚雅云　 (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. G06F 40/30(2020.01) G06F 40/211(2020.01) G06F 40/253(2020.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于语义和句法双通道的语句情感分析方 法以及装置 (57)摘要 本发明涉及情感分析领域， 特别涉及一种基 于语义和句法双通道的语句情感分析方法， 方法 包括： 获得待测语句的句子表示， 其中， 待测语句 包括若干个句子； 将待测语句的句子表示输入至 预设的神经网络模型中的句子编码模块， 获得待 测语句的词嵌入表示； 将待测语句的词嵌入表示 以及句子表示输入至神经网络模型中的语义通 道， 获得待测语句的语义特征表示； 将待测语句 的词嵌入表示 以及句子表示输入至神经网络模 型中的句法通道， 获得待测语句的句法特征表 示； 将待测语句的词嵌入表示、 语义特征表示以 及句法特征表示输入至神经网络模型的分类模 块中， 获取神经网络模型的分类模块输出的情感 分析结果。 权利要求书5页 说明书13页 附图5页 CN 115048938 A 2022.09.13 CN 115048938 A 1.一种基于语义和句法双通道的语句情感分析 方法， 其特 征在于， 包括以下步骤： 获取待测语句的句子表示以及预设的神经网络模型； 其中， 所述待测语句包括若干个 句子， 句子包括若干个单词， 所述单词包括方面词以及上下文 单词； 所述预设的神经网络模 型包括依次连接的句子编码模块、 语义 通道、 句法通道以及分类模块； 将所述待测语句的句子表示输入至预设的神经网络模型中的句子编码模块， 获得所述 待测语句的词嵌入表示， 其中， 所述词嵌入表示包括各个单词对应的词嵌入向量； 将所述待测语句的词嵌入表示以及句子表示输入至所述神经网络模型中的语义通道， 获得所述待测语句的语义特 征表示； 将所述待测语句的词嵌入表示以及句子表示输入至所述神经网络模型中的句法通道， 获得所述待测语句的句法特 征表示； 将所述待测语句的词嵌入表示、 语义特征表示以及句法特征表示输入至所述神经网络 模型的分类模块中， 获取 所述神经网络模型的分类模块输出的情感分析 结果。 2.根据权利要求1所述的基于语义和句法双通道的语句 情感分析方法， 其特征在于： 所 述语义通道包括依次连接的语义整体特 征计算模块以及语义局部特 征计算模块； 所述将所述待测语句的词嵌入表示以及句子表示输入至所述神经网络模型中的语义 通道， 获得 所述待测语句的语义特 征表示， 包括 步骤： 将所述待测语句的词嵌入表示输入至所述语义通道中的语义整体特征计算模块中， 获 得所述待测语句的语义整体特 征表示； 将所述待测语句的句子表示输入至所述语义通道中的语义局部特征计算模块中， 获得 所述待测语句的语义局部特 征表示； 将所述待测语句的词嵌入表示、 语义整体特征表示、 语义局部特征表示进行多层残差 连接处理， 获得所述待测语句的语义特 征表示。 3.根据权利要求2所述的基于语义和句法双通道的语句情感分析 方法， 其特 征在于： 所述语义整体特征计算模块包括依次连接的映射模块、 多头自注意力模块以及逐词卷 积模块； 所述将所述待测语句的词嵌入表示输入至所述语义通道中的语义整体特征计算模块 中， 获得所述待测语句的语义整体特 征表示， 包括 步骤： 将所述待测语句的词嵌入表示中各个单词对应的词嵌入向量输入至所述映射模块中， 获得所述映射模块输出 的若干个等维度的子空间， 其中， 所述子空间包括第一子空间以及 第二子空间， 其中， 所述第一子空间为： 式中， K为所述第一子空间， H为所述待测语句的词 嵌入表示， 为所述第一子空间的 参数矩阵， dh为所述句子编码层的输出维度， h为所述子空间的 数目； 所述第二子空间为： 权　利　要　求　书 1/5 页 2 CN 115048938 A 2式中， Q为所述第二子空间， 为所述第二子空间的参数矩阵， 将所述子空间输入至所述多头自注意力模块， 根据预设的隐藏层计算算法， 获得所述 多头自注意力模块输出的各个子空间对应的隐藏层表示， 其中， 所述隐藏层计算 算法为： 式中， 为所述多头自注意力模块的第m个子空间对应的隐藏层表示， 其中， 1≤m ≤h， softmax()为归一 化指数函数； 将所述隐藏层表示输入至所述逐词卷积模块， 根据预设的逐词卷积算法， 获得所述逐 词卷积模块输出的 隐状态参数， 作为所述待测语句的语义整体特征表示， 其中， 所述逐词卷 积算法为： 式中， 为所述逐词卷积模块输出的隐状态参数， Concat()为拼接函数， WO为预设 的权重参数； σ()为第一激活函数， 为第一可训练权重参数， 为第一偏置参数， 为第二可训练权 重参数， 为第二偏置参数。 4.根据权利要求3所述的基于语义和句法双通道的语句 情感分析方法， 其特征在于， 所 述将所述待测语句的句子表示输入至所述语义通道中的语义局部特征计算模块中， 获得所 述待测语句的语义局部特 征表示， 包括 步骤： 获取所述方面词以及上下文单词在所述待测语句的句子表示中的位置坐标， 根据 所述 语义局部特征计算模块中的语义相对距离计算算法， 获得各个方面词 与每个上下文单词之 间的语义相对距离， 其中， 所述语义相对距离计算 算法为： 式中， SRDi为第i个方面词对应的语义相对距离， Pi为所述上下文单词在所述待测语句 的句子表示中的位置坐标， Pa为所述方面词在所述待测语句的句子表示中的位置坐标， lenasp为由所述方面词对应的向量组成的序列的长度； 根据所述语义相对距离以及预设的语义距离阈值， 获得各个方面词与每个上下文单词 之间的第一注意力向量， 构建所述方面词对应的第一注意力矩阵； 根据所述第 一注意力矩阵、 各个子空间对应的隐藏层表示以及所述语义局部特征计算 模块中的第一元素点积算法， 获取所述语义局部特征计算模块输出的所述待测语句的语义 局部特征表示， 其中， 所述第一元 素点积算法为： 式中， 为所述待测语句的语义局部特 征表示， Msem为所述第一注意力矩阵。 5.根据权利要求1所述的基于语义和句法双通道的语句情感分析 方法， 其特 征在于：权　利　要　求　书 2/5 页 3 CN 115048938 A 3