-
公开(公告)号：CN109145090B
公开(公告)日：2021-04-30
申请号：CN201811009372.5
申请日：2018-08-31
Applicant: 东北大学
IPC: G06F16/33 , G06F16/953 , G06Q50/00 , G06N3/04
Abstract: 本发明提供一种基于深度学习的微博用户情感影响力分析方法，涉及自然语言处理领域。包括：获取某一话题下的用户三元组和微博五元组，并计算用户Ui的自身情感影响力；计算用户Ui与用户Uj交互得到的交互情感影响力；计算用户Ui的情感影响力；计算用户Ui的整体情感强度；计算用户Uj的整体情感强度；计算用户Ui和Uj整体情感强度的相似度；计算用户Ui对其粉丝施加的影响力；计算用户Ui的全局情感影响力；得到用户的全局情感影响力排名。本方法可用于目前备受关注的心理健康问题，通过数据获取平台分析某一个心理健康话题，找到话题影响者，从而帮助心理研究人员对这些用户进行后续的评估与诊断，也可以用于帮助商品推广、引领舆论导向、帮助有关部门决策。
-
公开(公告)号：CN112182209A
公开(公告)日：2021-01-05
申请号：CN202011014754.4
申请日：2020-09-24
Applicant: 东北大学
Abstract: 本发明提供终身学习框架下基于GCN的跨领域情感分析方法，涉及自然语言处理中的跨领域情感分类领域，本发明中终身学习框架下基于GCN的跨领域情感分析方法，由如下过程所实现：提出基于图卷积神经网络的跨领域情感分类算法，即CDS‑GCN，在提出CDS‑GCN的基础上，结合终身学习思想提出终身学习框架下基于图卷积神经网络的跨领域情感分类算法，即LLCDS‑GCN，这些特征使终身学习不同于迁移学习或者多任务学习等相关的学习任务，它打破孤立学习的限制，并缓解人工标注数据费时费力带来的影响，这些特点与跨领域情感分类任务的初衷不谋而合。
-
公开(公告)号：CN112182209B
公开(公告)日：2021-09-07
申请号：CN202011014754.4
申请日：2020-09-24
Applicant: 东北大学
Abstract: 本发明提供终身学习框架下基于GCN的跨领域情感分析方法，涉及自然语言处理中的跨领域情感分类领域，本发明中终身学习框架下基于GCN的跨领域情感分析方法，由如下过程所实现：提出基于图卷积神经网络的跨领域情感分类算法，即CDS‑GCN，在提出CDS‑GCN的基础上，结合终身学习思想提出终身学习框架下基于图卷积神经网络的跨领域情感分类算法，即LLCDS‑GCN，这些特征使终身学习不同于迁移学习或者多任务学习等相关的学习任务，它打破孤立学习的限制，并缓解人工标注数据费时费力带来的影响，这些特点与跨领域情感分类任务的初衷不谋而合。
-
公开(公告)号：CN109145090A
公开(公告)日：2019-01-04
申请号：CN201811009372.5
申请日：2018-08-31
Applicant: 东北大学
IPC: G06F16/33 , G06F16/953 , G06Q50/00 , G06N3/04
CPC classification number: G06Q50/01 , G06N3/0454
Abstract: 本发明提供一种基于深度学习的微博用户情感影响力分析方法，涉及自然语言处理领域。包括：获取某一话题下的用户三元组和微博五元组，并计算用户Ui的自身情感影响力；计算用户Ui与用户Uj交互得到的交互情感影响力；计算用户Ui的情感影响力；计算用户Ui的整体情感强度；计算用户Uj的整体情感强度；计算用户Ui和Uj整体情感强度的相似度；计算用户Ui对其粉丝施加的影响力；计算用户Ui的全局情感影响力；得到用户的全局情感影响力排名。本方法可用于目前备受关注的心理健康问题，通过数据获取平台分析某一个心理健康话题，找到话题影响者，从而帮助心理研究人员对这些用户进行后续的评估与诊断，也可以用于帮助商品推广、引领舆论导向、帮助有关部门决策。
-
-
-
Search Results
4
records
(took 0.017 seconds)
