公开(公告)号：CN112507137A

公开(公告)日：2021-03-16

申请号：CN202011500258.X

申请日：2020-12-17

Applicant: 华南理工大学

Inventor： 蔡毅 ,  任浩鹏

IPC: G06F16/36 ,  G06F16/33 ,  G06F40/289 ,  G06N3/04

Abstract: 本发明公开了一种开放环境下基于粒度感知的少样本关系抽取方法及应用，该方法包括：输入一个句子及存在于句子中的两个实体，输出该实体对在对应句子中所属的预定义关系或者判断出其不属于任何一个预定义关系；对每个单词采用预训练的词嵌入模型进行初始化，并采用卷积神经网络编码得到句子低维向量表示并映射到同一个高维向量空间中，以支持集的中心点作为每个关系类别的原型表示；通过衡量查询实例到各个关系原型之间距离来度量相似程度，得到查询实例的所属关系类别；对每个关系在空间中度量出其原型区域，判断查询实例是否属于预先定义的关系类别中。本发明适应开放动态环境场景，提高关系抽取的预测效果。

公开(公告)号：CN118484508A

公开(公告)日：2024-08-13

申请号：CN202410490874.3

申请日：2024-04-23

Applicant: 华南理工大学

Inventor： 蔡毅 ,  曾雨诗 ,  任浩鹏

IPC: G06F16/33 ,  G06F16/35 ,  G06F16/36 ,  G06F40/284 ,  G06F40/30 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/088 ,  G06N3/09 ,  G06N3/096

Abstract: 本发明公开了一种跨领域情感分析方法、装置、电子设备及存储介质，本发明基于主题模型，利用领域相关的常识知识和领域共享的常识关系结构和单词级语法知识融合，实现缩小源领域和目标领域的领域差异，从而提高模型跨领域的能力，提高在目标领域的方面识别及其情感分析的识别效果，可广泛应用于数据处理技术领域。

公开(公告)号：CN115080688B

公开(公告)日：2024-06-04

申请号：CN202210661020.8

申请日：2022-06-13

Applicant: 华南理工大学

Inventor： 蔡毅 ,  任浩鹏

IPC: G06F16/33 ,  G06F16/35 ,  G06F16/36 ,  G06F40/211

Abstract: 本发明公开了一种少样本跨领域情感分析方法及装置，其中方法包括：获取句子数据，将句子数据输入训练后的BERT编码器，获得第一特征向量；将句子数据输入训练后的GCN编码器，获得第二特征向量；对第一特征向量和第二特征向量进行特征融合，获得句子的向量表示；将句子的向量表示输入到训练后的少样本原型网络模型，输出句子的情感极性；本发明利用少样本学习技术捕捉领域共享特征以及领域特定特征，从而提高模型从源领域迁移到目标领域的情感预测效果。本发明可广泛应用于自然语言处理技术领域。

公开(公告)号：CN115080688A

公开(公告)日：2022-09-20

申请号：CN202210661020.8

申请日：2022-06-13

Applicant: 华南理工大学

Inventor： 蔡毅 ,  任浩鹏

IPC: G06F16/33 ,  G06F16/35 ,  G06F16/36 ,  G06F40/211

Abstract: 本发明公开了一种少样本跨领域情感分析方法及装置，其中方法包括：获取句子数据，将句子数据输入训练后的BERT编码器，获得第一特征向量；将句子数据输入训练后的GCN编码器，获得第二特征向量；对第一特征向量和第二特征向量进行特征融合，获得句子的向量表示；将句子的向量表示输入到训练后的少样本原型网络模型，输出句子的情感极性；本发明利用少样本学习技术捕捉领域共享特征以及领域特定特征，从而提高模型从源领域迁移到目标领域的情感预测效果。本发明可广泛应用于自然语言处理技术领域。

公开(公告)号：CN112507137B

公开(公告)日：2022-04-22

申请号：CN202011500258.X

申请日：2020-12-17

Applicant: 华南理工大学

Inventor： 蔡毅 ,  任浩鹏

IPC: G06F16/36 ,  G06F16/33 ,  G06F40/289 ,  G06N3/04

Abstract: 本发明公开了一种开放环境下基于粒度感知的少样本关系抽取方法及应用，该方法包括：输入一个句子及存在于句子中的两个实体，输出该实体对在对应句子中所属的预定义关系或者判断出其不属于任何一个预定义关系；对每个单词采用预训练的词嵌入模型进行初始化，并采用卷积神经网络编码得到句子低维向量表示并映射到同一个高维向量空间中，以支持集的中心点作为每个关系类别的原型表示；通过衡量查询实例到各个关系原型之间距离来度量相似程度，得到查询实例的所属关系类别；对每个关系在空间中度量出其原型区域，判断查询实例是否属于预先定义的关系类别中。本发明适应开放动态环境场景，提高关系抽取的预测效果。