基于知识增强和机器阅读理解的方面级情感分析方法

本发明公开了基于知识增强和机器阅读理解的方面级情感分析方法，包括：S1、对原始评论文本采用分词策略进行预处理；S2、基于情感分析外部知识数据集，通过掩码语言建模与下一句预测任务对BERT模型进行后训练，学习专属词汇分布与语义关联，得到领域与任务知识增强模型；S3、将预处理后的文本序列输入领域与任务知识增强模型，建立双向查询机制；S4、将领域与任务知识增强模型的编码特征与双向查询机制的查询概率拼接后，输入双向LSTM捕获长程依赖，并通过CRF层约束标签转移逻辑，输出情感极性标签，本发明通过引入外部知识库，弥补了模型在理解文本背景和隐含信息方面的不足，提高了情感分析的准确性和多样性。