1.一种基于多尺度特征融合的评价三元组抽取方法，包括以下步骤：S1：对语料库中的句子进行分词、去除停用词等数据预处理操作；

S2：利用预训练向量将句子中的单词转化为词嵌入；

S3：将词嵌入输入到特征丰富层获得特征表示；

S4：构造词组级的单词表示；

S5：基于现有的解码方法抽取评价三元组；

步骤S3具体包括：

S3.1：基于CNN采用不同的感受野构造单词的n‑gram局部特征表示，感受野的卷积核大小分别被设置为1、2、3、4，计算公式如下，k代表卷积核的大小：H1＝Conv1D(X,k＝1)       (1)H2Conv1D(X,k＝2)       (2)H3＝Conv1D(X,k＝3)     (3)H4＝Conv1D(X,k＝4)        (4)S3.2：将S3.1构造的n‑gram局部特征表示拼接在一起，参考金字塔架构利用卷积核大小为5、3的CNN逐步提取高层次的单词特征，计算公式如下，[:]代表向量的拼接操作：H＝[H1:H2:H3:H4]      (5)H＝Conv1D(X，k＝5)     (6)H＝Conv1D(X，k＝3)       (7)S3.3：将S3.2构造的单词特征输入到BiLSTM进一步捕捉句子当中的上下文信息，从而获得特征丰富的单词表示，计算公式如下：H′＝BiLSTM(H)     (8)步骤S4具体包括：

S4.1：构造当前单词归属于不同长度词组时的单词表示，计算公式如下，[:]代表向量的拼接操作，s是包含单词xi的词组的长度，Ws和bs是权重参数，σ是激活函数：s

Hs＝σ(WsH+bs)       (10)S4.2：利用单词级的特征表示，判断当前单词所归属的词组的长度，计算公式如下(Wl和bl是权重参数，σ是激活函数)：L＝σ(WlH+bl)       (11)S4.3：将合适的词组级单词表示赋予当前单词，计算公式如下：S4.4：利用自注意力机制是关注句子中的重要信息，获得最终含义丰富的词组级的单词表示，计算公式如下：r r

H＝SelfAttention(H)            (13)步骤S5具体包括：

S5.1：为句子中任意两个单词组成的词对(wi,wj)构造网格表示，计算公式如下所示，[:]代表向量的拼接操作：S5.2：将网格表示输入到全连接层进行关系判断，计算公式如下所示：S5.3：使用一种现有的解码方法抽取句子中的评价三元组，解码的具体流程如下：A：首先从预测结果的主对角线中提取所有评价对象和评价词，其中连续标签A和连续标签O可视为一个完整的评价对象和评价词；

B：然后，将所提取的评价对象与所提取的评价词进行配对，当其对应的网格包含情绪极性时，提取对应的评价三元组。