一种基于深度表示学习的实体情感分析方法

摘要

本发明公开了一种基于深度表示学习的实体情感分析方法，依序采用ELMo模型、BERT模型以及ALBERT模型进行预训练，得到基于这三个模型的预训练词向量；经过步骤2产生的预训练词向量作为BiLSTM层的输入，将最终迭代结束后的隐层作为本层的输出；利用attention层计算句子s中每个词与其他所有词注意力得分，来判断该词与其他词语的关系权重；依据得到attention层的结果将对应隐层输入分类器中；并计算情感类别的概率，并将分类结果通过输出层输出最终结果。与现有技术相比，本发明提高了基于实体属性的情感识别的准确率；让模型在中文数据集上的表现得到了提升；强化了模型的泛化能力。