买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜山东师范大学申请的专利一种基于交互双重图卷积网络的情感预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114528398B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210032949.4，技术领域涉及：G06F16/353；该发明授权一种基于交互双重图卷积网络的情感预测方法及系统是由鲁燃;王雪;刘培玉;朱振方设计研发完成，并于2022-01-12向国家知识产权局提交的专利申请。

本一种基于交互双重图卷积网络的情感预测方法及系统在说明书摘要公布了：本发明提供了一种基于交互双重图卷积网络的情感预测方法及系统，包括：获取待预测的文本，并转化为若干词向量序列；提取若干词向量序列的上下文信息，得到隐藏状态向量；基于若干词向量序列，采用句法图卷积网络，得到句法图；基于所述隐藏状态向量，采用语义图卷积网络，得到语义图；基于句法图和语义图，交互学习句法信息和语义信息，得到交互学习后的句法图和语义图；基于交互学习后的句法图和语义图，预测得到待预测的文本的情感概率分布。提高了对情感极性判断的准确性和稳定性。

本发明授权一种基于交互双重图卷积网络的情感预测方法及系统在权利要求书中公布了：1.一种基于交互双重图卷积网络的情感预测方法，其特征在于，包括：获取待预测的文本，并转化为若干词向量序列；提取若干词向量序列的上下文信息，得到隐藏状态向量；基于若干词向量序列，采用句法图卷积网络，得到句法图；基于所述隐藏状态向量，采用语义图卷积网络，得到语义图；基于句法图和语义图，交互学习句法信息和语义信息，得到交互学习后的句法图和语义图；基于交互学习后的句法图和语义图，预测得到待预测的文本的情感概率分布；所述得到句法图的具体步骤为：基于若干词向量序列，计算面向方面的句法依赖关系邻接矩阵；采用所述邻接矩阵的语法编码，将所述隐藏状态向量作为初始节点表示，得到句法图；所述基于若干词向量序列，计算面向方面的句法依赖关系邻接矩阵的具体步骤为：基于若干词向量序列，生成依赖关系图和权重依赖图；对依赖关系图和权重依赖图进行集成，得到面向方面的句法依赖关系邻接矩阵；所述语义图卷积网络通过多头自注意力机制生成和更新语义图；利用多头自注意力机制得到K个注意力得分矩阵，把K个矩阵求和，再top-k选择，top-k个重要的上下文词被保留，初始化如下： （5） （6） （7） （8）其中，是第i个邻接矩阵，表示进入第一层GCN之前选择的前k大邻接矩阵，和是可学习的矩阵，是偏差项，dlstm表示lstm的隐藏状态维数，top-k函数表示从数据中找出前k个最大的数据，为隐藏状态向量；基于若干词向量序列，计算面向方面的句法依赖关系邻接矩阵，将词嵌入输入Spacy解析器，来生成依存树，进而利用依存树生成普通图，并对得到的图进行细化得到特定方面的图；每个输入的句子在依存树上生成一个普通的依赖图，通过输入句子的依存树导出的邻接矩阵： （1）；为了突出上下文词中的特定方面，通过计算邻接矩阵的每个元素的相对位置权重来优化图，得到以方面为中心的增强依赖图： （2）其中，是方面词开始的位置，wi和wj是上下文词，是方面词集合；为了增强上下文词的语法依赖并产生方面词和上下文词之间的关系，集成了面向方面的权重依赖图和普通依赖关系图，得到面向方面的句法依赖关系邻接矩阵： （3）；与初始化不同的是，输入是由层0到中产生的输出串联而成的，由多头自注意力机制生成k个注意分数矩阵，跟初始化一样，再利用softmax函数计算出概率最大的矩阵，进行top-k选择，利用GCN层提取深层语义信息，将SemGCN最后一层输出表示为，即语义图，包含方面及其意见词最相关语义信息，并且使用表示所有方面节点的隐藏表示，更新如下： （9） （10） （11） （12） （13）其中，和是可学习的矩阵，是偏差项，是双向lstm的输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东师范大学，其通讯地址为：250014 山东省济南市历下区文化东路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。