-
公开(公告)号：CN115221272B
公开(公告)日：2025-05-16
申请号：CN202210660427.9
申请日：2022-06-13
Applicant: 华南理工大学
IPC: G06F16/334 , G06F16/35 , G06F16/36 , G06F40/211 , G06F40/216 , G06F40/284 , G06F18/241 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种跨领域细粒度情感分析方法、装置及存储介质，其中方法包括：构建目标领域的细粒度情感分析模型；将无标注样本输入BERT编码器预训练语言模型获得每个单词的语法知识向量表示；基于图卷积网络，通过卷积相邻节点的特征来捕获常识关系结构特征并映射到与BERT编码器相同的单词层级维度向量空间中从而获得常识知识向量表示；拼接语法知识向量表示和常识知识向量表示作为单词的最终特征表示；优化模型的参数。本发明通过结合语法知识和常识关系知识来缩小同一分布空间内的不同领域的领域差异，对资源较少的目标领域具有较强的适应性，提高目标领域的方面抽取以及情感分析的预测效果。本发明可广泛应用于自然语言处理技术领域。
-
公开(公告)号：CN115221272A
公开(公告)日：2022-10-21
申请号：CN202210660427.9
申请日：2022-06-13
Applicant: 华南理工大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F40/211 , G06F40/216 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种跨领域细粒度情感分析方法、装置及存储介质，其中方法包括：构建目标领域的细粒度情感分析模型；将无标注样本输入BERT编码器预训练语言模型获得每个单词的语法知识向量表示；基于图卷积网络，通过卷积相邻节点的特征来捕获常识关系结构特征并映射到与BERT编码器相同的单词层级维度向量空间中从而获得常识知识向量表示；拼接语法知识向量表示和常识知识向量表示作为单词的最终特征表示；优化模型的参数。本发明通过结合语法知识和常识关系知识来缩小同一分布空间内的不同领域的领域差异，对资源较少的目标领域具有较强的适应性，提高目标领域的方面抽取以及情感分析的预测效果。本发明可广泛应用于自然语言处理技术领域。
-
公开(公告)号：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
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：CN115269770A
公开(公告)日：2022-11-01
申请号：CN202210661002.X
申请日：2022-06-13
Applicant: 华南理工大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F40/211 , G06F40/216 , G06F40/284 , G06K9/62
Abstract: 本发明公开了一种基于方面观点词情感对齐的跨领域情感分析方法及装置，其中方法包括：构建跨领域情感分析模型，所述跨领域情感分析模型包括预训练BERT编码器、GCN自动编码器以及情感分类器；通过预训练BERT编码器获取第一特征向量，通过GCN自动编码器获取包含背景常识和方面观点词情感对齐的第二特征向量；拼接两个编码器产生的特征向量作为句子的向量输入情感分类器，计算输入文本所有可能极性的概率，选择概率最大的情感标签作为最终的预测情感标签，完成情感分析任务。本发明利用对抗训练将源领域和目标领域数据映射到同一分布空间，从而提高模型从源领域迁移到目标领域的实体预测效果，可广泛应用于自然语言处理技术领域。
-
-
-
Search Results
4
records
(took 0.016 seconds)
