一种基于深度多任务学习的细粒度文本观点分析方法

摘要

本发明公开了一种基于深度多任务学习的细粒度文本观点分析方法，该方法基于深度神经网络BERT，通过多任务学习的方法，提取文本中被评论的方面词，并判断该方面词的情感极性。首先利用分词工具将文本分为一串词序列；将词序列输入BERT网络，获得BERT每一层的隐藏层输出；将BERT中间层的隐藏层输出输入到一个全连接网络加条件随机场的神经网络中，通过序列标注的方法得到文本中方面词的结果；将BERT最高层的隐藏层输出输入到一个三元分类器中，得到文本中每一个词的情感极性；将方面词结果和情感极性判别结果组合，得到最终文本的细粒度情感分析结果。这种方法不仅能够同时获取文本中方面词和对应的情感极性结果，而且使情感分析的准确率大大提升。