(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 202210800301.7 (22)申请日 2022.07.06 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 王培懿　刘天宇　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 贾允 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 40/216(2020.01) G06F 40/284(2020.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 情感观点信息分析方法、 装置、 存储介质及 电子设备 (57)摘要 本申请实施例公开了情感观点信息分析方 法、 装置、 存储介质及电子设备， 可以应用于 人工 智能领域。 上述方法包括： 对语句文本进行特征 提取， 得到语句特征信息； 对上述语句特征信息 进行文本序列信息提取， 得到上述语句文本中各 词分别对应的第一词信息； 对上述各词分别对应 的第一词信息进行情感极性信息提取， 得到各词 对分别对应的情感极性信息， 上述语句文本所包 括的词中任意两个形成一个词对， 上述情感极性 信息基于对象和原因确定； 根据上述各词分别对 应的第一词信息和上述各词对分别对应的情感 极性信息， 预测上述语句文本中各词分别对应的 情感要素类别， 上述情感要素类别包括对象、 原 因或情感极性。 本申请可显著提升情感观点信息 提取的准确度。 权利要求书3页 说明书15页 附图6页 CN 115203412 A 2022.10.18 CN 115203412 A 1.一种情感观点信息分析 方法， 其特 征在于， 所述方法包括： 对语句文本进行 特征提取， 得到语句特 征信息； 对所述语句特征信 息进行文本序列信 息提取， 得到所述语句文本 中各词分别对应的第 一词信息； 对所述各词分别对应的第 一词信息进行情感极性信 息提取， 得到各词对分别对应的情 感极性信息， 所述语句文本所包括的词中任意两个形成一个词对， 所述情感极性信息基于 对象和原因确定； 根据所述各词分别对应的第 一词信息和所述各词对分别对应的情感极性信 息， 预测所 述语句文本中各词分别对应的情感要素类别， 所述情感要素类别包括对 象、 原因或情感极 性。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述各词分别对应的第 一词信息进 行情感极性信息提取， 得到各词对分别对应的情感极性信息， 包括： 针对每一词对， 确定所述词对关联的两个词分别对应的第一词信息； 对所述两个词分别对应的第一词信息进行线性聚合， 得到所述词对 对应的交 互信息； 根据各所述词对对应的交互信 息进行情 感极性信 息预测， 得到所述各词对分别对应的 情感极性信息 。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述各词分别对应的第 一词信息 和所述各词对分别对应的情感极性信息， 预测所述语句文本中各词分别对应的情感要 素类 别， 包括： 针对每一目标词， 确定所述语句文本中各相邻其他词相对于所述目标词的信息重要 度； 针对每一所述相邻其他词， 所述信息重要度通过所述相邻其他词和所述 目标词所构成 的词对的情感极性信息确定， 所述目标词为所述语句文本中任一词； 根据各所述相邻其他词对应的信 息重要度， 对各所述相邻其他词的第 一词信息进行聚 合； 根据聚合结果更新所述目标词对应的第一词信息， 得到第二词信息； 根据各目标词分别对应的第 二词信息， 预测所述语句文本 中各词分别对应的情感要素 类别。 4.根据权利要求1至 3中任一项所述的方法， 其特 征在于， 通过第一网络执 行下述步骤： 对所述语句特征信 息进行文本序列信 息提取， 得到所述语句文本 中各词分别对应的第 一词信息； 以及， 预测所述语句文本中各词分别对应的情感要素类别； 通过第二网络执 行下述步骤： 对所述各词分别对应的第 一词信息进行情感极性信 息提取， 得到各词对分别对应的情 感极性信息； 所述第一网络和所述第二网络之间进行信息交 互。 5.根据权利要求4所述的方法， 其特征在于， 所述第 一网络和所述第 二网络通过下述方 法训练得到： 获取样本语句文本以及所述样本语句文本对应的标注信 息， 所述标注信 息包括情 感要 素标注序列和情感极性标注表， 所述情感要 素标注序列中包括所述样本语句文本中每一词权　利　要　求　书 1/3 页 2 CN 115203412 A 2对应的情感要 素类别， 所述情感极性标注表记录所述样本语句文本中各词对分别对应的情 感极性信息； 基于所述第 一网络和所述第 二网络对所述样本语句文本进行处理， 得到所述第 一网络 输出的情感要素类别预测结果， 以及得到所述第二网络 输出的情感极性信息预测结果； 根据所述情感要素 标注序列和所述情感要素类别预测结果， 得到第一损失； 根据所述情感极性标注 表和所述情感极性信息预测结果， 得到第二损失； 根据所述第一损失和所述第二损失， 调整所述第一网络和所述第二网络的参数。 6.根据权利要求4所述的方法， 其特征在于， 所述语句特征信 息包括所述语句文本 中每 一词对应的文本特 征， 所述第一网络包括序列编码器： 所述对所述语句特征信 息进行文本序列信 息提取， 得到所述语句文本中各词分别对应 的第一词信息， 包括： 将各词分别对应的文本特 征依次输入所述序列编码器； 对于当前输入词对应的文本特征， 根据所述序列编码器记录的所述当前输入词之前的 其他输入词的文本特征， 对所述当前输入词对应的文本特征进行编码， 得到所述当前输入 词对应的第一词信息 。 7.根据权利要求6所述的方法， 其特 征在于， 所述第二网络包括表格编码器； 所述对所述各词分别对应的第 一词信息进行情 感极性信 息提取， 得到各词对分别对应 的情感极性信息， 包括： 根据所述语句特征信 息初始化情 感极性预测表， 由所述表格编码器对所述情感极性预 测表进行 下述编码更新： 针对每一词对， 确定所述词对在所述情感极性预测表中对应的目标位置； 获取所述目标位置关联的两个参 考位置； 获取所述词对 对应的交 互信息， 所述交 互信息通过 所述序列编码器的输出确定； 根据所述情 感极性预测表在所述目标位置的更新前的值、 在所述两个参考位置的最新 更新值和所述交 互信息， 得到所述情感极性预测表在所述目标位置的最 新更新值。 8.一种情感观点信息分析装置， 其特 征在于， 所述装置包括： 语句文本提取模块， 用于对语句文本进行 特征提取， 得到语句特 征信息； 序列信息提取模块， 用于对所述语句特征信息进行文本序列信息提取， 得到所述语句 文本中各词分别对应的第一词信息； 情感极性提取模块， 用于对所述各词分别对应的第一词信息进行情感极性信息提取， 得到各词对分别对应的情感极性信息， 所述语句文本所包括的词中任意两个形成一个词 对， 所述情感极性信息基于对象和原因确定； 预测模块， 用于根据 所述各词分别对应的第 一词信息和所述各词对分别对应的情 感极 性信息， 预测所述语句文本中各词分别对应的情感要 素类别， 所述情感要 素类别包括对象、 原因或情感极性。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有至少一 条指令或至少一段程序， 所述至少一条指 令或至少一段程序由处理器加载并执行以实现如 权利要求1至7中任一项所述的一种情感观点信息分析 方法。 10.一种电子设备， 其特征在于， 包括至少一个处理器， 以及与所述至少一个处理器通权　利　要　求　书 2/3 页 3 CN 115203412 A 3