专利简介
专利名称： 融合句法和语义信息的情感分析方法、装置以及设备
专利号： ZL202211383395.9
专利权人： 悦居帮手科技（四川）有限公司（注：原始申请人为华南师范大学）
发明人： 冯锦辉、蔡倩华、李坤桃、陈一帆、薛云
授权公告号： CN115905546B
授权日期： 2023年10月03日
一、技术背景
随着互联网和移动互联网的高速发展，微博、电商平台、论坛等社交媒体上产生了海量的用户评论文本。挖掘这些评论文本中的情感倾向，对于政府舆情分析、企业产品优化、消费者购物决策等具有重要价值。
传统情感分析方法主要分为两类：一是基于语义信息的方法（利用词向量和注意力机制捕获文本语义），能够有效提取关键词的上下文表示；二是基于句法信息的方法（利用依存句法树捕获词与词之间的句法依赖关系），能够挖掘深层结构中的情感传递路径。然而，传统方法往往仅侧重其中一种信息，导致句法信息与语义信息无法有效融合、协同利用，制约了情感分析精度的进一步提升。
二、技术方案
本发明涉及文本情感分析技术领域，提供了一种融合句法信息和语义信息的情感分析方法、装置以及设备。其核心方案包括以下步骤：
文本编码：获取待分析的评论文本，通过预训练语言模型（如BERT）对文本进行编码，获得文本中每个词的上下文语义表示。
句法依赖图构建：对评论文本进行句法依存分析，以文本中的词为节点、词间的依存关系为边，构建句法依赖图，从而捕获词语间的长距离句法依存关系。
图神经网络编码：将句法依赖图输入图注意力网络（GAT）或图卷积网络（GCN），沿句法依赖边传播和聚合邻域信息，获得每个词的句法信息表示。
特征融合与交互：将步骤1获得的语义表示与步骤3获得的句法信息表示进行深度融合（如通过门控机制或多头注意力机制实现信息的自适应加权），使模型能够同时关注“词语说了什么”（语义）和“词语之间如何关联”（句法）。
情感分类：将融合后的特征表示输入分类器，输出文本的情感极性（如正面、负面或中性）或细粒度情感得分。
此外，本发明还提供了实现上述方法的情感分析装置及计算机设备。
三、技术优势
多维度信息融合：创造性融合了语义信息与句法信息，克服了传统方法单一信息维度的局限，使模型更全面地理解文本情感表达；
长距离依赖捕获：通过句法依赖图与图神经网络，有效捕获评论文本中远距离词语之间的情感传递路径，解决了传统序列模型难以处理长文本情感隐含关系的问题；
精度显著提升：在多个公开情感分析基准数据集上，该方法取得了优于现有主流模型的分类效果，有效提高了情感分析的精准度。
四、应用前景
该专利技术可广泛应用于电商评论智能分析、社交媒体舆情监控、用户满意度调查、产品口碑挖掘、金融新闻情绪分析等场景。在大数据和人工智能驱动决策的时代背景下，精准的文本情感分析技术对商业智能、社会治理和市场预测等领域具有重要的支撑价值。