发明 一种基于上下文层级自注意力网络的话语情绪识别方法 特价15
人工智能 自然语言处理 深度学习 文本情感分析 对话生成 人机交互 情感对话 信息咨询 舆论导控 智 1人
G06F40/30 G06F40/211 G06F18/214 G06N3/0442
摘要：本发明属于自然语言处理技术领域，具体涉及一种基于上下文层级自注意力网络的话语情绪识别方法，包括获取单个话语的词向量；学习词向量上下文的隐层表征；计算上下文自注意力权重；特征融合与池化；形成话语向量；学习话语向量的上下文隐层表征；计算话语上下文自注意力权重；特征融合与全连接；话语情绪识别；模型训练和参数优化；本发明构建的全局上下文、深度上下文和全局深度上下文注意力方法能够从不同角度捕获上下文信息，并从词级、话语级两个维度来增强话语情绪识别模型的性能，因此本发明提出的模型性能在层级上下文表征上要优于大多数现有的话语情绪分类模型，在情绪准确率上有明显的提升效果。
