公开(公告)号：CN111259153A

公开(公告)日：2020-06-09

申请号：CN202010072375.4

申请日：2020-01-21

Applicant: 桂林电子科技大学

Inventor： 林煜明 ,  傅裕 ,  李优 ,  周娅 ,  张敬伟

IPC: G06F16/35 ,  G06F40/211 ,  G06F40/289 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种完全注意力机制的属性级情感分析方法，该方法结合基于自注意力机制网络SAM-NN和特定方面注意力机制网络AAM-NN来分别生成词汇级别、句子级别语义特征，最后通过一个全连接神经网络FC-NN输出层计算评论句子内容的情感极性。本发明所提出的方法在实现上是并行结构的，并且在每一个网络计算模块，本发明都融合了特定方面信息特征，保证了该方法在尽可能的根据特定方面信息进一步分析出用户评论信息中关于目标对象特定属性方面的情感极性。与现有技术相比，本发明方法不仅有效提高特定方面情感分析任务的准确率，而且有效减少在模型训练时间上的花费。

公开(公告)号：CN111259153B

公开(公告)日：2021-06-22

申请号：CN202010072375.4

申请日：2020-01-21

Applicant: 桂林电子科技大学

Inventor： 林煜明 ,  傅裕 ,  李优 ,  周娅 ,  张敬伟

IPC: G06F16/35 ,  G06F40/211 ,  G06F40/289 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种完全注意力机制的属性级情感分析方法，该方法结合基于自注意力机制网络SAM‑NN和特定方面注意力机制网络AAM‑NN来分别生成词汇级别、句子级别语义特征，最后通过一个全连接神经网络FC‑NN输出层计算评论句子内容的情感极性。本发明所提出的方法在实现上是并行结构的，并且在每一个网络计算模块，本发明都融合了特定方面信息特征，保证了该方法在尽可能的根据特定方面信息进一步分析出用户评论信息中关于目标对象特定属性方面的情感极性。与现有技术相比，本发明方法不仅有效提高特定方面情感分析任务的准确率，而且有效减少在模型训练时间上的花费。