本發(fā)明涉及自然語言處理的隱式情感分析，特別是涉及一種基于迭代圖結構學習的隱式情感分析方法、系統、設備及介質。

背景技術：

1、近年來，圖神經網絡在隱式情感分析方面取得了不錯的成果，但是還存在一些問題。一方面，單視圖圖結構的隱式情感文本缺少能夠精確捕獲模糊情感表達的結構信息，對于單視圖來說，數據集中的每個節(jié)點或實體只能從一個視角或來源表示圖結構，即每個實體只有一種表示，這與多視圖圖結構包含多個來源信息不同，單視圖圖結構無法提供關于實體的不同方面或屬性。另一方面，預設的固定圖結構可能包含一些邊緣噪聲，導致無法使用精確的拓撲結構來表示情感信息，在預設的固定圖結構中圖的結構是預先定義好的并且固定不變，這種結構中包含的節(jié)點數量與節(jié)點之間的關系都是固定的，不會隨著數據的處理而改變。但是在機器學習和深度學習中，這種固定的圖結構需要耗費大量人力，利用先驗知識來指導算法的學習過程，尤其是在處理圖結構數據時，如圖嵌入、圖卷積網絡等，在實際應用中，圖的結構往往是會產生動態(tài)變化的，因此需要更加靈活的方式來處理圖結構數據的演化。

技術實現思路

1、本發(fā)明的目的是提供一種基于迭代圖結構學習的隱式情感分析方法、系統、設備及介質，能夠融合不同視圖信息并且迭代學習的圖結構學習框架，提高模型在隱式情感分析任務中的靈活性。

2、為實現上述目的，本發(fā)明提供了如下方案：

3、一種基于迭代圖結構學習的隱式情感分析方法，包括：

4、獲取目標文本的原始圖結構；

5、將所述原始圖結構輸入kig模型中進行優(yōu)化融合，得到隱式圖結構；所述隱式圖結構用于表達隱式情感分析；所述kig模型包括文本編碼器、圖構建層、圖學習層以及圖融合層；

6、其中，所述文本編碼器用于利用字典對隱式情感文本進行高維空間映射，得到詞向量；所述圖構建層用于基于所述詞向量構建多個不同視圖形式的初始圖結構；所述圖學習層用于以迭代的方式對各所述初始圖結構進行特征提取；所述圖融合層用于對每個視圖的特征進行整合。

7、可選地，所述視圖包括共現統計、余弦相似度和句法依賴樹構建的視圖。

8、可選地，所述共現統計的運算表達式為：

9、ppmi(wi,wj)＝max{pmi(wi,wj),0}

10、其中，ppmi表示正向點互信息，是共現度量的重新加權形式；wi表示第i個詞；wj表示第j個詞；pmi表示點互信息。

11、可選地，所述余弦相似度的運算表達式為：

12、

13、其中，cosine?similarity表示余弦相似度；a和b分別代表wi和wj的詞嵌入表示。

14、可選地，所述句法依賴樹的運算表達式為：

15、

16、其中，aij表示句法依賴結構的矩陣；dt(wi,wj)表示wi和wj在句法結構中的關系。

17、可選地，所述圖學習層的運算表達式為：

18、

19、其中，是隱式情感部分第i個視圖下第t次迭代的向量表示，使用了relu激活函數，gcn表示圖卷積，x表示原始節(jié)點特征矩陣，表示學習圖與原始圖結合后的優(yōu)化圖。

20、可選地，所述圖融合層的運算表達式為：

21、

22、其中，指代詞j在視點1經過t輪迭代之后的值logit。

23、本發(fā)明還提供了一種基于迭代圖結構學習的隱式情感分析系統，包括：

24、數據采集模塊，用于獲取目標文本的原始圖結構；

25、優(yōu)化融合模塊，用于將所述原始圖結構輸入kig模型中進行優(yōu)化融合，得到隱式圖結構；所述隱式圖結構用于表達隱式情感分析；所述kig模型包括文本編碼器、圖構建層、圖學習層以及圖融合層；

26、其中，所述文本編碼器用于利用字典對隱式情感文本進行高維空間映射，得到詞向量；所述圖構建層用于基于所述詞向量構建多個不同視圖形式的初始圖結構；所述圖學習層用于以迭代的方式對各所述初始圖結構進行特征提??；所述圖融合層用于對每個視圖的特征進行整合。

27、本發(fā)明還提供了一種電子設備，包括存儲器及處理器，所述存儲器用于存儲計算機程序，所述處理器運行所述計算機程序以使所述電子設備執(zhí)行根據上述的基于迭代圖結構學習的隱式情感分析方法。

28、本發(fā)明還提供了一種計算機可讀存儲介質，其存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現如上所述的基于迭代圖結構學習的隱式情感分析方法。

29、根據本發(fā)明提供的具體實施例，本發(fā)明公開了以下技術效果：

30、本發(fā)明公開了一種基于迭代圖結構學習的隱式情感分析方法、系統、設備及介質，所述方法包括將獲取的目標文本輸入kig模型中進行原始圖結構優(yōu)化融合，得到隱式圖結構；隱式圖結構用于表達隱式情感分析；kig模型包括文本編碼器、圖構建層、圖學習層以及圖融合層；其中，文本編碼器用于利用字典對隱式情感文本進行高維空間映射，得到詞向量；圖構建層用于基于詞向量構建多個不同視圖形式的初始圖結構；圖學習層用于以迭代的方式對各初始圖結構進行特征提??；圖融合層用于對每個視圖的特征進行整合。本發(fā)明能夠融合不同視圖信息并且迭代學習的圖結構學習框架，提高模型在隱式情感分析任務中的靈活性。

技術特征：

1.一種基于迭代圖結構學習的隱式情感分析方法，其特征在于，包括：

2.根據權利要求1所述的基于迭代圖結構學習的隱式情感分析方法，其特征在于，所述視圖包括共現統計、余弦相似度和句法依賴樹構建的視圖。

3.根據權利要求2所述的基于迭代圖結構學習的隱式情感分析方法，其特征在于，所述共現統計的運算表達式為：

4.根據權利要求2所述的基于迭代圖結構學習的隱式情感分析方法，其特征在于，所述余弦相似度的運算表達式為：

5.根據權利要求2所述的基于迭代圖結構學習的隱式情感分析方法，其特征在于，所述句法依賴樹的運算表達式為：

6.根據權利要求1所述的基于迭代圖結構學習的隱式情感分析方法，其特征在于，所述圖學習層的運算表達式為：

7.根據權利要求1所述的基于迭代圖結構學習的隱式情感分析方法，其特征在于，所述圖融合層的運算表達式為：

8.一種基于迭代圖結構學習的隱式情感分析系統，其特征在于，包括：

9.一種電子設備，其特征在于，包括存儲器及處理器，所述存儲器用于存儲計算機程序，所述處理器運行所述計算機程序以使所述電子設備執(zhí)行根據權利要求1-7中任一項所述的基于迭代圖結構學習的隱式情感分析方法。

10.一種計算機可讀存儲介質，其特征在于，其存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現如權利要求1-7中任一項所述的基于迭代圖結構學習的隱式情感分析方法。

技術總結
本發(fā)明公開一種基于迭代圖結構學習的隱式情感分析方法、系統、設備及介質，涉及自然語言處理的隱式情感分析技術領域。所述方法包括：將獲取的目標文本輸入KIG模型中進行原始圖結構優(yōu)化融合，得到隱式圖結構；隱式圖結構用于表達隱式情感分析；KIG模型包括文本編碼器、圖構建層、圖學習層以及圖融合層；其中，文本編碼器用于利用字典對隱式情感文本進行高維空間映射，得到詞向量；圖構建層用于基于詞向量構建多個不同視圖形式的初始圖結構；圖學習層用于以迭代的方式對各初始圖結構進行特征提??；圖融合層用于對每個視圖的特征進行整合。本發(fā)明能夠融合不同視圖信息并且迭代學習的圖結構學習框架，提高模型在隱式情感分析任務中的靈活性。

技術研發(fā)人員：庫爾班·吾布力,趙玉霞,阿力木江·艾沙,張?zhí)烨?竇永鵬
受保護的技術使用者：新疆大學
技術研發(fā)日：
技術公布日：2025/1/6