1.一种基于多尺度语义知识获取的一体化情感隐喻识别方法,其特征在于,包含:获取文本数据,并根据所述文本数据构建情感隐喻语料库;
根据所述文本数据,对所述情感隐喻语料库进行多尺度标记,获取多尺度特征矩阵;
根据决策集合对多尺度特征矩阵进行多尺度语义特征提取,获取最优尺度语义矩阵;
根据决策集合将数据集中的所有样本进行划分,记为划分;其中,所述数据集为所述文本数据中的集合;
取特征集合将数据集中的所有样本进行划分,记为划分;若,则为最优尺度组合,终止多尺度语义知识获取过程,输出最优尺度语义矩阵;其中,表示第个尺度的语义特征集合、表示第个特征的第个尺度的值;
若,则取特征集合将数据集中的所有样本进行划分,记为划分;若,则为最优尺度组合,终止多尺度语义知识获取过程,输出最优尺度语义矩阵;其中,表示第1个特征的第个尺度的值;
依次类推,直到取了所有特征的最细尺度的特征集合,则终止多尺度语义知识获取过程,得到最优尺度组合,输出最优尺度语义矩阵;
从所述最优尺度语义矩阵分离原型模式向量和测试模式向量,并通过内积法构造反映两个向量的相似度的隐喻序参量和情感序参量;然后通过一体化动力学演化模型重构序参量,并从重构后的序参量中筛选出待识别句子的情感隐喻标注模式;
从最优尺度语义矩阵中提取符合训练集样本已知隐喻和情感类别的对应的行向量作为原型模式向量;其中,表示原型、表示原型模式向量中行向量的数量;
从最优尺度语义矩阵中提取测试集样本的行向量作为测试模式向量;其中,表示测试、表示测试模式向量中行向量的数量;
根据所述原型模式向量和所述测试模式向量,通过内积法构造反映原型模式向量和测试模式向量相似度的隐喻序参量和情感序参量;
基于协同学原理构建一体化动力学演化模型,根据所述隐喻序参量和情感序参量,通过隐喻序参量的一体化动力学演化模型和情感序参量的一体化动力学演化模型对序参量进行重构;并对重构后的序参量进行排序,选出最高序参量对应的原型模式向量,判定待识别句子属于该原型模式,获取待识别句子的情感隐喻标注模式;
根据所述情感隐喻标注模式识别文本中的隐喻标签和情感类别,得到情感隐喻识别结果。
2.根据权利要求1所述的一种基于多尺度语义知识获取的一体化情感隐喻识别方法,其特征在于,隐喻序参量的计算模型为:;
情感序参量的计算模型为:;
其中,表示隐喻、表示情感、为测试集中句子的数量、表示原型、表示原型模式向量中行向量的数量、表示测试、表示测试模式向量中行向量的数量、表示隐喻相关特征对应的原型模式部分向量、表示隐喻相关特征对应的测试模式部分向量、表示情感相关特征对应的原型模式部分向量、表示情感相关特征对应的测试模式部分向量。
3.根据权利要求1所述的一种基于多尺度语义知识获取的一体化情感隐喻识别方法,其特征在于,隐喻序参量的一体化动力学演化模型为:;
情感序参量的一体化动力学演化模型为:
;
其中,表示隐喻序参量、表示情感序参量、表示序参量、表示隐喻、表示情感、为测试集中句子的数量、为注意参数,用以控制待测试模式变化的速度、为侧抑制系数、为自抑制系数、为模式索引、为激励参数;
一体化动力学演化模型中,参数组合共同决定了协同模式识别的识别性能;和为自激励项,代表了模式对自身的反馈激励作用;和为自抑制项,体现模式对自身过度增长的抑制;和为侧抑制项,体现模式之间的相互抑制作用,相当一个惩罚项。
4.根据权利要求1至3任意一项所述的一种基于多尺度语义知识获取的一体化情感隐喻识别方法,其特征在于,根据所述文本数据,对所述情感隐喻语料库进行多尺度标记,获取多尺度特征矩阵,具体包括:根据所述文本数据,提取语言学特征;其中,语言学特征包括词义,和/或语义角色,和/或情感,和/或音韵;
根据所述语言学特征,分别判断各个句子的不同尺度的分类,并进行标记,获取多尺度特征矩阵。
5.根据权利要求1至3任意一项所述的一种基于多尺度语义知识获取的一体化情感隐喻识别方法,其特征在于,获取文本数据,并根据所述文本数据构建情感隐喻语料库,具体包括:获取文本数据;
对所述文本数据进行标注,获取情感隐喻语料库;其中,标注内容包括是否有隐喻,以及隐喻情感类别;所述隐喻情感类别包括:乐、好、怒、哀、惧、恶和惊;
对所述情感隐喻语料库进行预处理;其中,预处理包括:通过正则表达式匹配字符串的方法过滤文本数据中的表情和特殊字符,和/或进行分词,和/或去停用词。
6.一种基于多尺度语义知识获取的一体化情感隐喻识别装置,其特征在于,包含:语料库模块,用于获取文本数据,并根据所述文本数据构建情感隐喻语料库;
多尺度模块,用于根据所述文本数据,对所述情感隐喻语料库进行多尺度标记,获取多尺度特征矩阵;
特征提取模块,用于根据决策集合对多尺度特征矩阵进行多尺度语义特征提取,获取最优尺度语义矩阵;
根据决策集合将数据集中的所有样本进行划分,记为划分;其中,所述数据集为所述文本数据中的集合;
取特征集合将数据集中的所有样本进行划分,记为划分;若,则为最优尺度组合,终止多尺度语义知识获取过程,输出最优尺度语义矩阵;其中,表示第个尺度的语义特征集合、表示第个特征的第个尺度的值;
若,则取特征集合将数据集中的所有样本进行划分,记为划分;若,则为最优尺度组合,终止多尺度语义知识获取过程,输出最优尺度语义矩阵;其中,表示第1个特征的第个尺度的值;
依次类推,直到取了所有特征的最细尺度的特征集合,则终止多尺度语义知识获取过程,得到最优尺度组合,输出最优尺度语义矩阵;
重构模块,用于从所述最优尺度语义矩阵分离原型模式向量和测试模式向量,并通过内积法构造反映两个向量的相似度的隐喻序参量和情感序参量;然后通过一体化动力学演化模型重构序参量,并从重构后的序参量中筛选出待识别句子的情感隐喻标注模式;
从最优尺度语义矩阵中提取符合训练集样本已知隐喻和情感类别的对应的行向量作为原型模式向量;其中,表示原型、表示原型模式向量中行向量的数量;
从最优尺度语义矩阵中提取测试集样本的行向量作为测试模式向量;其中,表示测试、表示测试模式向量中行向量的数量;
根据所述原型模式向量和所述测试模式向量,通过内积法构造反映原型模式向量和测试模式向量相似度的隐喻序参量和情感序参量;
基于协同学原理构建一体化动力学演化模型,根据所述隐喻序参量和情感序参量,通过隐喻序参量的一体化动力学演化模型和情感序参量的一体化动力学演化模型对序参量进行重构;并对重构后的序参量进行排序,选出最高序参量对应的原型模式向量,判定待识别句子属于该原型模式,获取待识别句子的情感隐喻标注模式;
输出模块,用于根据所述情感隐喻标注模式识别文本中的隐喻标签和情感类别,得到情感隐喻识别结果。
7.一种基于多尺度语义知识获取的一体化情感隐喻识别设备,其特征在于,包括处理器、存储器,以及存储在所述存储器内的计算机程序;所述计算机程序能够被所述处理器执行,以实现如权利要求1至5任意一项所述的一种基于多尺度语义知识获取的一体化情感隐喻识别方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5任意一项所述的一种基于多尺度语义知识获取的一体化情感隐喻识别方法。