申请/专利权人:华中师范大学
申请日:2022-05-31
公开(公告)日:2024-06-18
公开(公告)号:CN114911942B
主分类号:G06F16/35
分类号:G06F16/35;G06F40/216;G06F40/289;G06F40/30;G06F18/2411;G06F18/2415;G06N3/0464;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.06.18#授权;2022.09.02#实质审查的生效;2022.08.16#公开
摘要:本发明公开了一种基于置信度的可解释性的文本情感分析方法、系统及设备,首先对预分析文本数据,进行数据预处理;然后将处理后的数据输入深度学习网络进行分类;接着构造置信分割器,定义置信函数,设置置信度阈值,将深度学习网络分类结果分为置信度强弱两部分;根据置信度强弱之分,置信度强的数据由深度学习网络分类,置信度弱的数据由增强网络分类;最后结合两个网络分类结果,输出最终的分类结果。本发明构建一种新网络模型框架RTS‑CF,通过RAKE快速抽取较长的关键词,简单高效;通过置信函数,将测试集分为置信度强弱两部分,结合增强网络对置信度弱的数据进行重新分类。利用增强网络优化神经网络的集成方法,可解释性强,提高整体分类性能。
主权项:1.一种基于置信度的可解释性的文本情感分析方法,其特征在于,包括以下步骤:步骤1:针对预分析文本数据,进行数据预处理;步骤2:将预处理后的数据输入深度学习网络进行分类;步骤3:构造置信分割器,定义置信函数,设置置信度阈值,将深度学习网络分类结果分为置信度强和置信度弱两部分;所述置信函数其中,d为预设值;mean*为均值函数;y1,y2表示深度学习网络softmax层的输出值,分别视为置信度强和置信度弱两部分的得分,其中zi为第i个节点的输出值,作为softmax的输入值;n为输出节点的个数,即分类的类别个数;表示所有预测结果之和;步骤4:根据置信度的强弱之分,置信度强的数据由深度学习网络进行分类,置信度弱的数据由增强网络重新分类;步骤5:结合深度学习网络和增强网络的结果,输出最终的分类结果。
全文数据:
权利要求:
百度查询: 华中师范大学 基于置信度的可解释性的文本情感分析方法、系统及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。