(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210530295.8 (22)申请日 2022.05.16 (71)申请人 内蒙古工业大 学 地址 010080 内蒙古自治区呼和浩特市土 默特左旗内蒙古工业大 学金川校区 (72)发明人 苏依拉　杨蕾　朱苏东　司赟　 杨佩恒　邱占杰　仁庆道尔吉　 吉亚图　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 专利代理师 段俊涛 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/335(2019.01) G06F 16/35(2019.01)G06F 40/289(2020.01) G06F 40/30(2020.01) (54)发明名称 一种基于语义规则的蒙古语反向重构情感 分布学习方法 (57)摘要 一种基于语义规则的蒙古语反向重构情感 分布学习方法， 从预处理后的蒙古语情感语料中 提取情感词、 程度词和否定词， 通过语义规则和 词语搭配对情感语料所对应的情绪类型赋予不 同的权重； 利用情感词典和情感轮对情感语料进 行数据增强， 生成情感分布； 在训练模型中引入 反向重构损失， 对得到的情感分布数据集进行情 感分布预测任务的训练； 利用训练好的模型对测 试集中的蒙古语情感语料进行情感分布预测。 本 发明在基于情感词典和情感轮标记增强方法的 基础上融入语义规则， 使单标记情感数据集增强 得到的情感分布数据集更为准确。 在模型训练过 程中引入反向重构损失， 缓解了在正向映射过程 中由于维度降低而引起的信息丢失问题， 以此来 提高模型训练的准确率。 权利要求书3页 说明书8页 附图3页 CN 115146024 A 2022.10.04 CN 115146024 A 1.一种基于语义规则的蒙古语反向重构情感分布学习方法， 其特征在于， 包括如下步 骤： 步骤1， 对蒙古语情感语料进行 预处理； 步骤2， 从预处理后的蒙古语情感语料中提取情感词、 程度词和否定词， 通过语义规则 和词语搭配对情感语料 所对应的情绪类型 赋予不同的权 重； 步骤3， 利用情感词典和情感轮对情感语料进行 数据增强， 生成情感分布； 步骤4， 在训练模型中引入反向重构损失， 对步骤3得到的情感分布数据集进行情感分 布预测任务的训练； 步骤5， 利用训练好的模型对测试集中的蒙古语情感语料进行情感分布预测。 2.根据权利要求1所述基于语义规则的蒙古语反向重构情感分布学习方法， 其特征在 于， 所述步骤1中， 先对蒙古语情感语料进行数据清洗操作， 再利用BP E对蒙古语进 行分词操 作， 分词时以每 个蒙古语单词作为 最小单元。 3.根据权利要求1所述基于语义规则的蒙古语反向重构情感分布学习方法， 其特征在 于， 所述步骤2包括： 步骤2.1， 从预处 理后的蒙古语情感语料中提取 所有的情感词、 程度词和否 定词； 步骤2.2， 根据语义 规则判断情感词组合类型， 为情感词修改权 重。 4.根据权利要求3所述基于语义规则的蒙古语反向重构情感分布学习方法， 其特征在 于， 所述步骤2.1中， 通过情感词典提取情感词， 为提取得到的所有情感词赋值权重 “1”， 通 过程度词典和否 定词典分别提取程度词和否 定词。 5.根据权利要求3或4所述基于语义规则的蒙古语反 向重构情 感分布学习方法， 其特征 在于， 所述 步骤2.2中， 将蒙古语情感语料中的情感词组合类型归纳为以下6种： (1)只有情感词； (2)程度词和情感词， 情感词被程度词修饰； (3)否定词和情感词， 情感词被否 定词修饰； (4)否定词修饰程度词情感词组合； (5)程度词修饰否 定词情感词组合； (6)多个否 定词和情感词组合； 在提取情感词时， 如果发现有 否定词 则情感词对应的情感极性变为反向， 此时 为情感词的权重乘以 “‑1”； 如果不仅发现有 而且在其后还发现有 则情感 词的情感极性 不变， 情感词的权 重按照对应的情感词组合类型中的语义 规则确定； 将程度词分为高量和低量2个等级， 每个等级分别对应不同的权重， 在提取情感词时， 如果识别到有程度词出现， 则通过查询程度词词典对其进行程度级别的判断， 并结合上述 的6种情感词组合类型为对应的情绪类别修改权 重。 6.根据权利要求1所述基于语义规则的蒙古语反向重构情感分布学习方法， 其特征在 于， 所述步骤3包括： 步骤3.1， 为经过步骤2赋予不同的权重后的情感词建立情感词集合， 并为每个情感词 找到其在情感轮中对应的情绪标签集 合； 步骤3.2， 利用普鲁契克情感轮的心理学距离为蒙古语情感语料对应的真实情绪标签权　利　要　求　书 1/3 页 2 CN 115146024 A 2生成高斯分布； 步骤3.3， 利用普鲁契克情 感轮的心理学距离为蒙古语情 感语料中权重较大的前N个情 感词所对应的情绪标签生成高斯分布； 步骤3.4， 将两个高斯分布叠加为统一的情感分布。 7.根据权利要求6所述基于语义规则的蒙古语反向重构情感分布学习方法， 其特征在 于， 所述步骤3.1， 对句子si中提取的所有带权重的情感词建立对应的情感词集合 每个情感词wi,k有若干个关联的情绪标签 对于权重为负的情 感词为其对应与 原本情绪相反的情绪， 一个句子的文本中包含多个情感词， 或没有情感词； 每个情感词至少关联一个情绪标签； 所述步骤3.2， 采用离散高斯分布将情绪标签α 扩展为高斯分布 是以 α 为中心， 与剩余的其 他7种情绪标签e构成的离 散高斯分布， 其计算公式如下： 其中， C是情绪标签的数量， σ是离散高斯分布的标准差， Z是归一化因子， 使得 |e‑α|是e与α 之间的情感轮距离， 情绪标签e， 有8种， 1代表愤怒、 2代表期待、 3 代表高兴、 4代 表信任、 5代 表恐惧、 6代 表惊讶、 7代 表悲伤、 8代 表厌恶， e＝1代 表其初值 为1； 取α 为句子si的真实情绪标签li， 生成其高斯分布 所述步骤3.3， 选取情感词中权重绝对值较大的前N个情感词， 取α为该N个情感词在情 感轮中所对应的情绪标签 生成高斯分布 所述步骤3.4， 将 和 进行叠加， 得到综合的情感分布di， 计算公式如下： 其中， ni是si中情感词的数量， mk是句子si的第k个情感词wi,k的情绪标签数量， 是 情感词wi,k的第t个情绪标签 的高斯分布， λ是真实情绪标签li的权重系数， 用于控制分 布 在情感分布di中的比例。 8.根据权利要求1所述基于语义规则的蒙古语反向重构情感分布学习方法， 其特征在 于， 所述步骤4包括： 步骤4.1， 为训练模型建立从情 感分布到情 感语料的反向映射， 通过引入反向重构损失 函数重构模型的损失函数； 步骤4.2， 利用步骤3得到的情 感分布数据集和所述训练模型进行情感分布预测任务的权　利　要　求　书 2/3 页 3 CN 115146024 A 3