欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019106349292
申请人: 昆明理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种多特征融合的汉越新闻观点句抽取方法,其特征在于:具体步骤如下:Step1、语料收集:收集中文新闻文本、越南语新闻文本以及汉越平行句对作为训练语料和测试语料;

Step2、构建汉越双语词嵌入模型:用中文语料和越南语语料分别训练汉语和越南语的单语词嵌入模型;然后用中文和越南语平行句子对汉语和越南语的单语词嵌入模型进行联合训练,构建汉越双语词嵌入模型;

Step3、计算新闻中每个句子的观点句特征权重:观点句特征权重具体包括了句子的主题相关度特征、情感特征和位置特征;

Step4、句子建模:在步骤Step2构建的汉越双语词嵌入模型中拼接单词所在句子的观点句特征权重,然后将融合观点句特征权重的双语词向量输入到LSTM网络中进行句子建模;

Step5、在注意力机制中融入句子的观点句特征权重,得到句子在主题、位置、情感方面的表征;

Step6、使用softmax分类器来判定句子是否为观点句;

所述步骤Step2中,在联合训练过程时,汉语和越南语的目标函数的具体公式为:l c v

其中,L(wt,h;θ)表示单语词嵌入模型的目标函数,正则项Ω(θ,θ)表示中文词语和越c v南语词语的关联程度;用汉越双语的正则化项Ω(θ,θ)对单语模型进行约束,汉越双语正则项约束的具体公式为:c v c v c v

Ω(θ,θ)=λ1Ωtranslation(θ,θ)+λ2Ωemotion(θ,θ)c v

其中,λ1和λ2分别表示语义关联和情感关联这两种关联约束在训练过程中的权重;θ,θ分别表示汉越和越南语的词向量,汉越双语正则化约束的具体计算公式为:其中,表示中文词i训练得到的词向量,表示越南词j训练到的词向量,ai,j表示中文词i和越南词j之间的翻译评分,bi,j表示中文词i和越南词j之间的情感评分,翻译评分通过c汉越平行句对的互译词表获得,情感评分通过汉越双语情感词典获得;V表示中文的词表,vV表示越南语的词表,E表示汉越双语情感词典。

2.根据权利要求1所述的多特征融合的汉越新闻观点句抽取方法,其特征在于:所述步骤Step2中,在联合训练的过程中,使用汉越双语的正则化项对单语词嵌入模型进行约束;

该方法不仅能学习到单语环境下不同词汇的关联关系,同时还能学习到中文词语和越南语词语之间的关联关系。

3.根据权利要求1所述的多特征融合的汉越新闻观点句抽取方法,其特征在于:所述步骤Step4中,将句子的主题、情感和位置特征与步骤Step2中构建的汉越双语词嵌入模型编码得到的汉越双语词向量进行拼接,实现句子语义信息和观点句特征的融合,然后,在步骤Step5中将句子的主题、情感和位置特征分别融入注意力机制中,提升模型对观点句特征的识别能力。

4.根据权利要求1所述的多特征融合的汉越新闻观点句抽取方法,其特征在于:所述Step3中:

1)句子主题相关度score1的计算公式具体为:其中,ST表示新闻标题的向量表征,S表示新闻中每个句子的向量表征;

2)句子在文档中的位置特征score2计算公式具体为:其中,n表示文档中的句子数目,i表示当前句子是文档中的第i句话;

3)句子si的情感特征score3计算公式具体为:其中,emotion(wi,k)表示词wi,k是否为情感词,如果该词是情感词,则emotion(wi,k)的值为1;否则为0,m表示句子中词的个数。

5.根据权利要求1所述的多特征融合的汉越新闻观点句抽取方法,其特征在于:所述Step5的具体步骤如下:Step5.1、首先将LSTM网络输出的隐藏状态和观点句特征通过一层神经网络进行拼接,具体公式如下:其中H是LSTM网络中每个神经元输出的隐向量组成的矩阵,V是词编码层中每个词所在句子的主题、情感、位置特征向量组成的特征矩阵,Wh和Wv是参数矩阵;

Step5.2、其次,通过softmax分类器对拼接后的隐藏状态M进行分类,得到注意力的权重向量;然后将注意力机制的权重向量和LSTM网络输出的隐藏状态相乘,得到主题相关度、位置信息和情感信息在句子表征中的权重;具体公式如下:T

α=softmax(WM)

T

r=Hα

T

其中,α是注意力机制的权重向量,W 表示softmax分类器的参数矩阵;H是LSTM网络中每个神经元输出的隐向量组成的矩阵,最后得到的r是主题相关度、位置信息和情感信息在句子表征中的权重;

Step5.3、然后,将LSTM网络的最后一个隐藏状态的输出以及主题、位置、情感信息的权重表征输入到一层神经网络中,得到句子在主题、位置、情感方面的表征;具体公式如下:*

h=tanh(Wpr+WxhN)

*

其中,hN是LSTM网络对句子建模的最后一个隐状态,包含了这个句子的语义信息,h 是句子在主题、位置、情感方面的表征,Wp和Wx是参数矩阵。