基于对比学习与持续性学习的属性级情感分析方法、系统及存储介质

摘要

本发明涉及情感分析领域，为基于对比学习与持续性学习的属性级情感分析方法、系统及存储介质，方法包括：获取产品点评的文本数据；对文本数据进行预处理；使用迁移学习方法训练多个BERT‑adapter模型，并将训练完成的多个BERT‑adapter模型组成模型集合；其中，单个BERT‑adapter模型通过在BERT模型的每一个译码器层里的前向传播网络层之后增加适配层得到；将预处理后的文本数据输入模型集合中，得到多个逻辑值分类结果；根据多个逻辑值分类结果，得到文本数据的属性级情感分析结果。本申请将对比学习用于情感分析模型中，从而使得模型达到更好地分类效果。同时基于迁移学习思想构建的模型具有知识迁移的能力也能拥有知识增强的能力，可以缓解深度学习存在的灾难性遗忘问题。