龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：齐鲁理工学院
申请日：2024-04-07
公开（公告）日：2024-06-25
公开（公告）号：CN118246445A
主分类号：G06F40/284
分类号：G06F40/284;G06F40/211;G06F40/253;G06N3/045;G06N3/042;G06N3/0442;G06N3/0464;G06N3/084
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本申请公开了一种基于情感词性图卷积网络的方面级情感分析方法及系统，对待分析文本进行词嵌入训练，得到每个词的词向量；获取所述待分析文本的词性信息，通过构建门控机制将所述词性信息嵌入到所述词向量中；将所述词向量和词性嵌入后的词向量输入到BiLSTM或BERT中，获取隐藏状态的上下文表示；基于所述上下文表示构建依赖树获得依赖矩阵，并结合SenticNet的情感分数增强所述依赖矩阵获得情感增强上下文表示；将所述情感增强上下文表示输入图卷积网络，使用全连接层和softmax层对所述图卷积网络的输出进行处理，获取情感极性预测结果。通过构建门控机制将词性信息嵌入到词向量中，并结合SenticNet的情感分数增强情感依赖关系，提高了对情感极性判断的准确性和稳定性。
主权项：1.一种基于情感词性图卷积网络的方面级情感分析方法，其特征在于，包括：对待分析文本进行词嵌入训练，得到每个词的词向量；获取所述待分析文本的词性信息，通过构建门控机制将所述词性信息嵌入到所述词向量中；将所述词向量和词性嵌入后的词向量输入到BiLSTM或BERT中，获取隐藏状态的上下文表示；基于所述上下文表示构建依赖树获得依赖矩阵，并结合SenticNet的情感分数增强所述依赖矩阵获得情感增强上下文表示；将所述情感增强上下文表示输入图卷积网络，使用全连接层和softmax层对所述图卷积网络的输出进行处理，获取情感极性预测结果。
全文数据：
权利要求：
百度查询： 齐鲁理工学院 基于情感词性图卷积网络的方面级情感分析方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号