本發明屬于文本情感分析，特別涉及的是一種基于大語言模型的方面級情感分析技術方案。

背景技術：

1、隨著互聯網的普及和社交媒體的蓬勃發展，人們的生活方式和信息獲取途徑發生了顯著變化，人類的生活對互聯網依賴越加緊密。龐大的用戶群體在各類社交媒體、新聞網站等平臺產生了海量的數據，記錄了人們的日常行為軌跡，反映了人們對各種事件、產品及話題的觀點和態度。利用自動化的情感分析技術來高效、準確地提取其中的情感信息，能更好地理解人類的情感表達和態度。

2、文本情感分析(sentiment?analysis)指通過自然語言處理技術從文本數據中識別、提取人們的觀點、態度和情感傾向。它旨在建立一套有效的分析方法和系統，對輸入信息中的某些對象分析其特有的情感信息。它不僅能夠幫助企業理解消費者需求、優化產品服務，還能為政府決策、輿論監測、智能教育等多個領域提供有力支持。方面級情感分析(aspect-based?sentiment?analysis)是一種更加細粒度的情感分析任務，它的目的是識別出文本中針對特定方面的情感傾向，因此能夠為用戶提供更加細致、具體的情感分析結果。方面級情感分析一般包含兩個要素：分析的目標和對應的情感，目標通常是一個實體，情感通常被分為正向、負向、或中性。文本情感分析的一種主流方法是基于深度學習技術，首先獲取帶有情感極性標注的訓練數據，然后構建訓練一個深度學習模型，最后利用該模型對測試文檔進行情感的預測。例如中國發明專利-基于深度學習的主觀性文本情感分析方法(cn106776581b)，構建一個深度學習模型，計算評論語句的情感傾向。然而，這類方法為了訓練針對特定任務的深度學習模型，需要預先標注大量數據，這個過程會耗費大量的人力物力。

技術實現思路

1、本發明針對現有技術的不足，提供一種基于大語言模型的方面級情感分析技術方案，將待分析句子的句法信息融入到大語言模型中，并依次利用大語言模型完成句法解析、觀點抽取、情感分析三個任務，在不需要提供標注數據的情況下，有效提高大語言模型在方面級情感分類任務的能力。

2、本發明提出一種基于大語言模型的方面級情感分析方法，包括進行以下處理，首先提取待預測語句的句法結構信息，然后將句子的句法信息融入到大語言模型中實現方面級情感分類，融入過程中利用大語言模型依次完成句法結構信息的解析、觀點信息的抽取和情感極性的分析，得到最終的方面級情感分類結果。

3、而且，所述句法結構信息使用詞行結構的格式表示，包括以詞為處理對象，把句子拆分為多個詞行，每個詞行包含該詞在句子中的多種關鍵信息。

4、而且，詞行中的關鍵信息包括詞的位置索引、詞的實際文本、詞性、每個詞所依賴詞的位置索引以及每個詞所依賴詞的關系。

5、而且，所述句法結構信息的解析，包括接收到句法結構解析任務后，基于句法結構解析任務模版p1，結合句子x、方面詞a和句法結構信息s構建句法解析任務提示語句q1，將q1輸入到大語言模型中，大語言模型基于句法結構信息s和句子x，生成關于方面詞a的句法解析信息，記為回復r1。

6、而且，所述觀點信息的抽取，包括接收到觀點信息抽取任務后，基于觀點信息抽取任務模版p2，結合句子x、方面詞a和回復r1構建觀點抽取任務提示語句q2，將q2輸入到大語言模型中，大語言模型基于回復r1抽取句子x中對方面詞a的觀點信息，記為回復r2。

7、而且，所述情感極性的分析，接收到情感極性分析任務后，基于情感極性分析任務模版p3，結合句子x、方面詞a和回復r2構建情感分析任務提示語句q3，將q3輸入到大語言模型中，大語言模型基于r2分析句子x中對方面詞a的情感極性，記為回復r3。

8、而且，用于熱點輿情分析、產品質量分析或服務體驗分析。

9、另一方面，本發明還提供一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序時實現如上所述基于大語言模型的方面級情感分析方法。

10、另一方面，本發明還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述基于大語言模型的方面級情感分析方法。

11、另一方面，本發明還提供一種計算機程序產品，包括計算機程序，所述計算機程序被處理器執行時實現如上所述基于大語言模型的方面級情感分析方法。

12、依照本發明所提供基于大語言模型的方面級情感分析方案，將句法信息融入到大語言模型中，利用大語言模型依次完成句法信息解析、觀點信息抽取、情感極性分析，通過多步的理解和推理，能有效提升大語言模型在方面級情感分類上的準確度。本發明能夠有效地自動識別文本中對于特定目標的情感極性，這些信息不僅能夠監測社會輿情，還可以用于產品質量分析，具有很大的市場價值與研究意義。

技術特征：

1.一種基于大語言模型的方面級情感分析方法，包括進行以下處理，

2.根據權利要求1所述基于大語言模型的方面級情感分析方法，其特征在于：所述句法結構信息使用詞行結構的格式表示，包括以詞為處理對象，把句子拆分為多個詞行，每個詞行包含該詞在句子中的多種關鍵信息。

3.根據權利要求2所述基于大語言模型的方面級情感分析方法，其特征在于：詞行中的關鍵信息包括詞的位置索引、詞的實際文本、詞性、每個詞所依賴詞的位置索引以及每個詞所依賴詞的關系。

4.根據權利要求1所述基于大語言模型的方面級情感分析方法，其特征在于：所述句法結構信息的解析，包括接收到句法結構解析任務后，基于句法結構解析任務模版p1，結合句子x、方面詞a和句法結構信息s構建句法解析任務提示語句q1，將q1輸入到大語言模型中，大語言模型基于句法結構信息s和句子x，生成關于方面詞a的句法解析信息，記為回復r1。

5.根據權利要求4所述基于大語言模型的方面級情感分析方法，其特征在于：所述觀點信息的抽取，包括接收到觀點信息抽取任務后，基于觀點信息抽取任務模版p2，結合句子x、方面詞a和回復r1構建觀點抽取任務提示語句q2，將q2輸入到大語言模型中，大語言模型基于回復r1抽取句子x中對方面詞a的觀點信息，記為回復r2。

6.根據權利要求5所述基于大語言模型的方面級情感分析方法，其特征在于：所述情感極性的分析，接收到情感極性分析任務后，基于情感極性分析任務模版p3，結合句子x、方面詞a和回復r2構建情感分析任務提示語句q3，將q3輸入到大語言模型中，大語言模型基于r2分析句子x中對方面詞a的情感極性，記為回復r3。

7.根據權利要求1或2或3或4或5或6任一項所述基于大語言模型的方面級情感分析方法，其特征在于：用于熱點輿情分析、產品質量分析或服務體驗分析。

8.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于：所述處理器執行所述程序時實現如權利要求1至7任一項所述基于大語言模型的方面級情感分析方法。

9.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現如權利要求1至7任一項所述基于大語言模型的方面級情感分析方法。

10.一種計算機程序產品，包括計算機程序，其特征在于：所述計算機程序被處理器執行時實現如權利要求1至7任一項所述基于大語言模型的方面級情感分析方法。

技術總結
本發明提供一種基于大語言模型的方面級情感分析方法及設備，包括首先提取待預測語句的句法結構信息，然后將句子的句法信息融入到大語言模型中實現方面級情感分類，融入過程中利用大語言模型依次完成句法結構信息的解析、觀點信息的抽取和情感極性的分析，得到最終的方面級情感分類結果。本發明通過利用大語言模型多次理解和推理的方法有效地將句法信息融合到大語言模型的方面級情感分類過程中，通過多步的理解和推理，能有效提升大語言模型在方面級情感分類上的準確度。并且為大語言模型執行不同步驟制定特有的提示語句，有效提高了大語言模型在方面級情感分類任務上的表現。

技術研發人員：何婷婷,范瑞,李姝
受保護的技術使用者：華中師范大學
技術研發日：
技術公布日：2025/4/28