融合词性和自注意力机制的情感倾向性分类方法及系统

摘要

本发明涉及一种融合词性和自注意力机制的情感倾向性分类方法及系统，属于自然语言处理技术领域。包括以下步骤：S1：对文本进行预处理，分词的同时进行词性标注，去除停用词和无用字符；S2：将预处理后的文本进行向量表示；S3：利用Transformer‑Encoder模型学习文本语义特征；S4：融合词性注意力挖掘句子中词语间的修饰搭配关系，学习更深层次的情感特征；S5：将学习到的语义特征和情感特征拼接作为最终的文本特征用于情感倾向性分类。本发明基于自注意力机制学习文本特征，融合词性注意力对情感信息进行扩充，获取了更丰富的情感特征，提高了情感倾向性分类方法的特征表达能力，有效提升了分类的准确率。