1.动态记忆案件描述的涉案微博评论讽刺句检测方法,其特征在于:所述方法包括:Step1、构建涉案微博讽刺数据集;
Step2、利用词嵌入和位置嵌入分别将涉案微博正文和涉案微博评论分别进行特征编码,在特征编码后的涉案微博评论中引入注意力机制;通过动态记忆机制,获得与涉案微博评论相关的正文表征;将获得的正文表征和评论表征进行拼接得到新的表征,将表征作为输入来训练模型,通过模型进行涉案微博评论讽刺句检测。
2.根据权利要求1所述的动态记忆案件描述的涉案微博评论讽刺句检测方法,其特征在于:所述Step1中,通过爬虫技术爬取若干个涉及到案件的微博评论和微博正文,通过人工对数据集进行标注得到涉案微博讽刺数据集。
3.根据权利要求1或2所述的动态记忆案件描述的涉案微博评论讽刺句检测方法,其特征在于:所述Step1的具体步骤如下:Step1.1、采用基于Scrapy框架的爬虫从新浪微博上爬取十数个当前热点案件的相关微博正文及评论;
Step1.2、对涉案微博正文及评论进行过滤筛选,过滤筛选的方式如下所示:(1)、对微博博文按照转发关系“//”进行划分,用于保证转发微博下面的评论是基于原始微博进行分析的,(2)、删除微博评论里“@+用户名+回复”这样的结构,且删除无关超链接广告;
Step1.3、采用人工标注,获得涉案微博讽刺数据集;以一条微博评论为单位进行标注工作,将微博评论句中既包含讽刺又涉及到案件,标注为0,其他视为非涉案微博讽刺句,标注为1,三人盲判取交集。
4.根据权利要求1所述的动态记忆案件描述的涉案微博评论讽刺句检测方法,其特征在于:所述Step2的具体步骤如下:Step2.1、采用词语位置编码方式对涉案微博正文进行编码,得到具有位置信息的词向量lse;
其中,s∈[0,S-1],S表示涉案微博正文中所涉及到词语的个数,e∈[0,E-1],E表示词嵌入的维度;
Step2.2、将涉案微博正文分别用位置信息词向量lse和在大规模微博语料上用word2vec训练的词向量ws进行元素相乘,获得涉案微博正文表征fi;
ls是由one-hot表征,表示一个代表位置信息词信息的列向量,Si表示第i个涉案微博正文词数,“·”代表向量按元素相乘,fi∈RE表示第i个涉案微博正文的具有位置信息的嵌入表示,其中i∈[0,N],N表示涉案微博正文数,涉案微博正文数与涉案微博评论数一致均为N,ws代表词嵌入向量;
Step2.3、将涉案微博正文送入能提取双向语义特征的BiGRU模型中,得到编码后的正文Step2.4、将涉案微博评论 用word2vec训练的词向量表示wc,并将其送入BiGRU模型,得到编码后的评论其中,c∈[0,C],C表示评论中词的个数;
Step2.5、对涉案微博评论引入注意力机制,使其能够关注句子中词级更关键信息,得到引入注意力机制的评论v;
其中,Wu为参数矩阵,bu为偏置项,uw表示单词级上下文向量,αc为权重矩阵,vi为加权求和的评论句向量,v为加权后的评论;
Step2.6、将得到的涉案正文表征 涉案微博评论表征v和上一轮记忆信息mt-1,进行交互计算将得到的结果相拼接获得特征拼接矩阵zt;
m0=v (6)
m0表示初始记忆信息,使用v进行初始化,t为记忆次数,|·|表示元素绝对值,[;]表示向量的拼接;
Step2.7、引入注意力机制,获取经过加权的微博正文表征gt:其中,Wz、Wzt为参数矩阵,bz、bwz为偏置项;
Step2.8、将gt替代GRU中的更新门;
rt=σ(Wrzzt+Wrhht-1+br) (8)其中,rt表示门控注意力GRU中的重置门, 表示候选隐藏层,ht表示隐状态,Wrz、Wrh、和 为参数矩阵;br和 为偏置项;
t-1 t
Step2.9、将上一轮记忆信息m 、门控注意力GRU得到的隐状态h和评论v相拼接,输入一个线性层,用ReLU函数激活;由于输入一轮不能很好的记住所有需要信息,所以需要多轮迭代;
其中,mt∈R2d×N为t记忆次数的记忆信息;Wm为参数矩阵;
Step2.10、将获得的正文表征和评论表征进行拼接得到新的表征,将表征作为输入来训练模型;将与评论相关的正文表征和特征编码后的评论进行拼接得到新的表征,采用softmax分类函数可以决策出最大概率的类别;
其中,Wy表示参数矩阵。