公开(公告)号：CN114942976A

公开(公告)日：2022-08-26

申请号：CN202210599136.3

申请日：2022-05-30

Applicant: 北京邮电大学

Inventor： 李睿凡 ,  翟泽鹏 ,  冯方向 ,  张光卫 ,  王小捷

IPC: G06F16/33 ,  G06F16/35 ,  G06K9/62

Abstract: 本发明公开了一种基于掩码上下文机器阅读理解的方面情感三元组抽取方法，在推理时，应用先推理方面词再掩码无关方面词推理意见词，可以有效减少其他方面词干扰问题；在训练时，应用上下文数据增强，有效地扩充了语料并为推理打下基础；在模型结构方面，设计了四个模块协同工作，这四个模块包括方面词提取模块、意见词提取模块、情感分类模块以及方面词存在探测模块，通过以上三个要素，有效解决了以往MRC方法面临的方面词干扰问题。

公开(公告)号：CN114357156B

公开(公告)日：2023-02-28

申请号：CN202111473889.1

申请日：2021-12-02

Applicant: 北京邮电大学

Inventor： 李睿凡 ,  陈昊 ,  翟泽鹏 ,  冯方向 ,  王小捷

IPC: G06F16/35 ,  G06F40/211 ,  G06F40/268 ,  G06F40/284 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种多特征多通道图卷积网络模型训练方法及属性情感三元组抽取方法，多特征多通道图卷积网络模型训练方法包括步骤：将第一语句输入预设的第一模型中，将第一语句划分为单词，编码得到第一词向量，得到隐藏状态序列，生成第一邻接张量；根据单词词性生成第二邻接张量，根据句法依存类型生成第三邻接张量，根据基于树的词对距离生成第四邻接张量，根据单词的相对距离生成第五邻接张量；隐藏状态序列分别与邻接张量图卷积，并平均池化，得到联合特征序列；将邻接张量进行拼接得到联合张量；根据联合张量和联合特征序列为每个词对生成第一词对向量，基于分类函数得到概率分布张量；计算总损失函数，根据总损失函数对第一模型进行训练。

公开(公告)号：CN114357156A

公开(公告)日：2022-04-15

申请号：CN202111473889.1

申请日：2021-12-02

Applicant: 北京邮电大学

Inventor： 李睿凡 ,  陈昊 ,  翟泽鹏 ,  冯方向 ,  王小捷

IPC: G06F16/35 ,  G06F40/211 ,  G06F40/268 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种多特征多通道图卷积网络模型训练方法及属性情感三元组抽取方法，多特征多通道图卷积网络模型训练方法包括步骤：将第一语句输入预设的第一模型中，将第一语句划分为单词，编码得到第一词向量，得到隐藏状态序列，生成第一邻接张量；根据单词词性生成第二邻接张量，根据句法依存类型生成第三邻接张量，根据基于树的词对距离生成第四邻接张量，根据单词的相对距离生成第五邻接张量；隐藏状态序列分别与邻接张量图卷积，并平均池化，得到联合特征序列；将邻接张量进行拼接得到联合张量；根据联合张量和联合特征序列为每个词对生成第一词对向量，基于分类函数得到概率分布张量；计算总损失函数，根据总损失函数对第一模型进行训练。