1.一种基于知识抽取和协同演化推理的情感隐喻识别方法,其特征在于,包括:
根据预设的公开语料数据,构建情感隐喻语料库,从所述情感隐喻语料库中划分得到训练语料集和测试语料集,并对训练语料集和测试语料集进行特征向量化处理,得到特征向量;
基于模糊多粒度知识抽取技术,对所述特征向量进行提取处理,提取出多粒度知识,得到原型模式向量和测试模式向量;
采用匹配网络对所述原型模式向量和测试模式向量进行构造处理,构造生成情感隐喻序参量;
将所述情感隐喻序参量输入至竞争网络中,进行动力学演化处理,得到感隐喻标注模式,基于感隐喻标注模式得到演化结果;
对演化结果进行标注,得到标注结果,并根据标注结果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;
基于模糊多粒度知识抽取技术,对所述特征向量进行提取处理,提取出多粒度知识,得到原型模式向量和测试模式向量,具体为:基于所述特征向量,得到特征子集,并根据纯度阈值p=1.0对特征子集进行粒球计算处理,对样本数据集U的每个粒球的纯度进行判断,当粒球的纯度未达到纯度阈值时,使用2均值聚类将其分割为2个子粒球,当所有粒球的纯度达到纯度阈值时,得到粒球列表,其中,l为粒球总个数,为第个粒球,C为特征集合;
计算样本x的模糊相似度:,其中,为第个粒球,,,为模糊相似度,,表示样本数据集U中的样本;
根据参数和粒球列表,构建一个分段函数形式的模糊邻域,样本x的粒球模糊邻域隶属度为:;
根据样本的决策D将样本数据集U划分为r个决策类集合,得到样本y的粒球模糊决策隶属度:,其中,表示集合的基数,为样本y的粒球模糊邻域,是模糊集合,包含了所有样本x及其对应的隶属度,为第k个决策类集合;
采用匹配网络对所述原型模式向量和测试模式向量进行构造处理,构造生成情感隐喻序参量,具体为:采用内积法构造反映原型模式向量和测试模式向量相似度的情感隐喻序参量,其中,d表示测试集中句子的数量;
动力学演化处理的数学表达式为:,其中,为注意参数,为自激励项,为自抑制项,为侧抑制项。
2.根据权利要求1所述的基于知识抽取和协同演化推理的情感隐喻识别方法,其特征在于,根据预设的公开语料数据,构建情感隐喻语料库,从所述情感隐喻语料库中划分得到训练语料集和测试语料集,并对训练语料集和测试语料集进行特征向量化处理,得到特征向量,具体为:从预设的公开语料数据中获取文本数据,并对每个文本数据进行标注处理,构建得到情感隐喻语料库,其中,标注处理包括有无隐喻标注和情感类别标注;
对所述情感隐喻语料库进行划分处理,得到训练语料集和测试语料集,并对进行训练语料集和测试语料集文本预处理,其中,文本预处理包括分词处理、去停用词处理;
从预处理后的训练语料集和测试语料集的语料中提取出多个语言学特征,语言学特征包括:词义、语义角色、情感和音韵;
基于语言学特征,构建一个特征词典,并将每个语言学特征映射成一个ID,将每个句子表示为一个特征向量,其中,每个维度对应所述特征词典中的一个特征ID。
3.根据权利要求2所述的基于知识抽取和协同演化推理的情感隐喻识别方法,其特征在于,所述情感类别标注包括乐、好、怒、哀、惧、恶、惊。
4.根据权利要求1所述的基于知识抽取和协同演化推理的情感隐喻识别方法,其特征在于,基于模糊多粒度知识抽取技术,对所述特征向量进行提取处理,提取出多粒度知识,得到原型模式向量和测试模式向量,还具体为:基于精度t,得到决策集合D相对于特征子集B的可变精度模糊依赖函数:,,其中,为决策集合D相对于特征子集B的可变精度模糊正域,为并集,为第k个决策类集合相对于特征子集B的可变精度模糊下近似,可变精度模糊依赖函数表示在特征子集B下样本数据集U中可被准确分类的样本比例,用于量化特征子集对决策集合的分类能力,其值越高表示特征子集的分类能力越强;
包含所有样本x及其对应的隶属度,,其中,为取大运算,为取小运算;
根据可变精度重要度确定对应的候选属性是否能够添加到最优特征子集中,侯选特征相对于特征子集B的可变精度重要度:,其中,为特征集合与特征子集的差集,为特征子集B与候选特征的并集,为粒球列表,为计算粒球模糊邻域隶属度所用的参数,t为计算可变精度模糊下近似所用的精度参数,为决策集合D相对于并集的可变精度模糊依赖函数;
将特征约简集合初始化成一个空集,基于和特征集合中的每个语言学特征,得到粒球列表,并根据粒球列表计算得到粒球模糊相似度关系、粒球模糊邻域,得到每个语言学特征相对应的可变精度模糊依赖度和可变精度重要度;
筛选出与最大重要度相对应的特征,,当判断到最大重要度大于0时,将特征从特征集合中剔除,并添加到特征约简集合中;
重复上述步骤,直至检查完特征集合中所有的特征,结束特征选择流程,得到特征选择结果,根据特征选择结果生成特征约简矩阵,并从所述特征约简矩阵中分离出原型模式向量和测试模式向量。
5.根据权利要求4所述的基于知识抽取和协同演化推理的情感隐喻识别方法,其特征在于,对演化结果进行标注,得到标注结果,具体为:经过动力学演化处理得到重构后的序参量,对序参量进行排序处理,筛选出最高序参量对应的原型模式向量,并判定待识别句子属于该原型模式,生成标注结果。
6.一种基于知识抽取和协同演化推理的情感隐喻识别装置,其特征在于,包括:
语料处理单元,用于根据预设的公开语料数据,构建情感隐喻语料库,从所述情感隐喻语料库中划分得到训练语料集和测试语料集,并对训练语料集和测试语料集进行特征向量化处理,得到特征向量;
知识抽取单元,用于基于模糊多粒度知识抽取技术,对所述特征向量进行提取处理,提取出多粒度知识,得到原型模式向量和测试模式向量;
匹配网络单元,用于采用匹配网络对所述原型模式向量和测试模式向量进行构造处理,构造生成情感隐喻序参量;
演化推理单元,用于将所述情感隐喻序参量输入至竞争网络中,进行动力学演化处理,得到感隐喻标注模式,基于感隐喻标注模式得到演化结果;
标注识别单元,用于对演化结果进行标注,得到标注结果,并根据标注结果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;
基于模糊多粒度知识抽取技术,对所述特征向量进行提取处理,提取出多粒度知识,得到原型模式向量和测试模式向量,具体为:基于所述特征向量,得到特征子集,并根据纯度阈值p=1.0对特征子集进行粒球计算处理,对样本数据集U的每个粒球的纯度进行判断,当粒球的纯度未达到纯度阈值时,使用2均值聚类将其分割为2个子粒球,当所有粒球的纯度达到纯度阈值时,得到粒球列表,其中,l为粒球总个数,为第个粒球,C为特征集合;
计算样本x的模糊相似度:,其中,为第个粒球,,,为模糊相似度,,表示样本数据集U中的样本;
根据参数和粒球列表,构建一个分段函数形式的模糊邻域,样本x的粒球模糊邻域隶属度为:;
根据样本的决策D将样本数据集U划分为r个决策类集合,得到样本y的粒球模糊决策隶属度:,其中,表示集合的基数,为样本y的粒球模糊邻域,是模糊集合,包含了所有样本x及其对应的隶属度,为第k个决策类集合;
采用匹配网络对所述原型模式向量和测试模式向量进行构造处理,构造生成情感隐喻序参量,具体为:采用内积法构造反映原型模式向量和测试模式向量相似度的情感隐喻序参量,其中,d表示测试集中句子的数量;
动力学演化处理的数学表达式为:,其中,为注意参数,为自激励项,为自抑制项,为侧抑制项。