CN119538938A 基于双向生成的方面级情感三元组抽取方法与系统 (江西财经大学)_第1页
CN119538938A 基于双向生成的方面级情感三元组抽取方法与系统 (江西财经大学)_第2页
CN119538938A 基于双向生成的方面级情感三元组抽取方法与系统 (江西财经大学)_第3页
CN119538938A 基于双向生成的方面级情感三元组抽取方法与系统 (江西财经大学)_第4页
CN119538938A 基于双向生成的方面级情感三元组抽取方法与系统 (江西财经大学)_第5页
已阅读5页,还剩27页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于双向生成的方面级情感三元组抽取方本发明提出一种基于双向生成的方面级情态特征和关系图注意网络的隐藏状态特征采用向量分别得到方面标记特征向量的概率以及意2树的距离表示以及相对位置距离表示得到关系图注意网络的步骤4、对语义编码器输出的隐藏状态特征和关系图注意网络的隐藏状态特征采用动基于方面标记特征向量和意见标记特征向量分别得到方面标记特征向量的概率以及步骤6、将语义句法信息融合隐藏状态特征输入预测解码器,得到输出的隐藏状态向基于输出的隐藏状态向量以及语义句法信息融合隐藏状态特征进一步得到候选索引;其中,表示输入句子对应的方面术语优先的三元组的输出模板,Aspect表示方面术语提示,ator和aed分别表示意见术语的开始索引和结束索引,opinion表示意见术语提示,ostor和oed分别表示意见术语的开始索引和结束索引,3;其中,H"表示语义编码器输出的隐藏状态特征,Ee表示语义编码器的词嵌入矩基于词性标签序列,利用句法编辑器得到句法编辑器的词嵌入;E"表示句法编辑器的词嵌入矩阵,表示经过通过依存句法对调整后的句子进行分析,以得到词与词之间的依赖关系构建词对关系图,并对依赖关系表示、基于树的距;基于句法编辑器的词嵌入矩阵与词对关系向量,通过关系图注意4;其中,表示关系图注意网络中第l层输出的第m个隐藏状态向量,Z表示注j表示节点i的第j个近邻节点,表示第l层中第z个注意力头的归一化注意网络中第l-1层输出的第j个近邻节点的隐藏状态向量,表示第l层对于图边述步骤4中,对语义编码器输出的隐藏状态特征和关系图注意网络的隐藏状态特征采用动;其中,Hee表示语义句法信息融合隐藏状态特征,表示sigmoid激活函数,表示经过将向量重塑成一维的线性层处理,o表示阿达玛积,表示关;5第e个面向的第k个意见标记的特征向量。所述步骤5中,基于方面标记特征向量和意见标记特征向量分别得到方面标记特征向量的;;t步输出的词索引,表示第t步输出的词索引所对应的句子,表示第t步输出所述步骤6中,基于输出的隐藏状态向量以及语义句法信息融合隐藏状态特征进一步得到;融合词嵌入的隐藏状态特征,表示经过多层感知机处理,sec表示情感标签的词嵌入,表示第t步输6将句子输入术语输出模版,对句子中的三元组依次按照方面术语进行分析以得到词与词之间的依赖关系表示、基于树的距离表示以及相对位置距离表示;对语义编码器输出的隐藏状态特征和关系图注意网络的隐藏状态特征采用动态门机基于语义句法信息融合隐藏状态特征,通过线性变换分别提取并得到方基于方面标记特征向量和意见标记特征向量分别得到方面标记特征向量的概率以及基于输出的隐藏状态向量以及语义句法信息融合隐藏状态特征进一步得到候选索引7[0002]方面级情感三元组抽取需要抽取出句子中所有的方面术语、意见术语和情感极考虑到不同句法依赖类型对方面级情感三元组抽[0004]由于生成模型需要逐个标记解码和简单的结构化提示,使模型无法处理复杂结[0006]本发明提出基于双向生成的方面级情感三元组抽取方法,所述方法包括如下步基于树的距离表示以及相对位置距离表示得到关系图注意网络8步骤4、对语义编码器输出的隐藏状态特征和关系图注意网络的隐藏状态特征采基于方面标记特征向量和意见标记特征向量分别得到方面标记特征向量的概率基于输出的隐藏状态向量以及语义句法信息融合隐藏状态特征进一步得到候选对语义编码器输出的隐藏状态特征和关系图注意网络的隐藏状态特征采用动态意见特征,再通过方面特征和意见特征进一步得到方面标记特征向量和意见标记特征向基于方面标记特征向量和意见标记特征向量分别得到方面标记特征向量的概率基于输出的隐藏状态向量以及语义句法信息融合隐藏状态特征进一步得到候选91、本发明提出一种基于双向生成的方面级情感三元组抽取方法利用双向生成框图2为本发明提出的基于双向生成的方面级情感三元组抽取方法的双向生成框架图4为本发明提出的基于双向生成的方面级情感三元组抽取方法的依存树示意图5为本发明提出的基于双向生成的方面级情感三元组抽取系统的总体框架示意其中,表示输入句子对应的方面术语优先的三元组的输出Aspect表示方面术语提示,ator和aed分别表示意见术语的开始索引和结束索引,opinion表示意见术语提示,ostor和oed分别表示意见术语的开始索引和结束索引,;基于树的距离表示以及相对位置距离表示得到关系图注意网络入矩阵,同时通过依存句法对调整后的句子进行分析以得到词与词之间的依赖关系表示、;;;j表示节点i的第j个近邻节点,表示第l层中第z个注意力头的归系图注意网络中第l-1层输出的第j个近邻节点的隐藏状态向量,表示第l层对于[0016]步骤4、对语义编码器输出的隐藏状态特征和关系图注意网络的隐藏状态特征采在步骤4中,对语义编码器输出的隐藏状态特征和关系图注意网络的隐藏状态特;其中,Hee表示语义句法信息融合隐藏状态特征,表示sigmoid激活函数,表示经过将向量重塑成一维的线性层处理,o表示阿达玛积,表示关基于方面标记特征向量和意见标记特征向量分别得到方面标记特征向量的概率;经过面向方面标记的多层感知机处理,表示经过面向意见的多层感知机处理,表示变换矩阵,h表示偏置,表示第e个面向的第k个方面标记的特征向量,表示第e个面向的第k个意见标记的特征向量;基于方面标记特征向量和意见标记特征向量分别得到方面标记特征向量的概率;;征向量在序列标签中的概率,表示第e个面向的基于输出的隐藏状态向量以及语义句法信息融合隐藏状态特征进一步得到候选;示第t步输出的词索引,表示第t步输出的词索引所对应的句子,表示第t步基于输出的隐藏状态向量以及语义句法信息融合隐藏状态特征进一步得到候选;其中,表示经过多层感知机处理的语义句法信息融合隐藏状态特征,表示融合词嵌入的隐藏状态特征,表示经过多层感知机处理,表示情感标签的词嵌入,表示第t步输出的词索引在候选索引的预测分布。;通过候选索引的预测分布以相同的方式构建意见术语优先方向上解码器输出与;L表示总损失函数,λ表示超参数,表示意见术语优先方向上解码[0021]请参阅图5,本发明实施例还提供了一种基于双向生成的方面级情感三元组抽取对语义编码器输出的隐藏状态特征和关系图注意网络的隐藏状态特征采用动态意见特征,再通过方面特征和意见特征进一步得到方面标记特征向量和意见标记特征向基于方面标记特征向量和意见标记特征向量分别得到方面标记特征向量的概率基于输出的

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论