-
公开(公告)号：CN112347258A
公开(公告)日：2021-02-09
申请号：CN202011277713.4
申请日：2020-11-16
申请人： 合肥工业大学
IPC分类号： G06F16/35 , G06F40/289 , G06K9/62
摘要： 本发明公开了一种短文本方面级情感分类方法，其步骤包括：1、将短文本分词后，通过短文本中的词生成词向量、标注所有方面向量、词性向量；2、使用XLNET模型判断短文本所拥有的方面，并将每个词的词向量、词性向量、所拥有的方面向量顺次拼接；3、将步骤2中每个词拼接过后的向量输入情感分类Bilstm模型，得到的每个词隐含向量再输入Attention机制，并返回每个词的隐含向量的权重；4、使用每个词所对应的隐含向量和权值做加权平均，结果进入softmax神经网络，得到对应情感，以较大概率值作为情感分类结果。本发明能识别短文本在不同方面所具有的不同情感，从而完成细粒度的情感分类。
-
公开(公告)号：CN116029293A
公开(公告)日：2023-04-28
申请号：CN202310052123.9
申请日：2023-02-02
申请人： 合肥工业大学
IPC分类号： G06F40/289 , G06F18/241 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种基于细粒度事件信息增强的短文本隐式情感分类方法，其步骤包括：1、使用事件抽取器抽取短文本中的事件类型、触发词及其他事件元素形成细粒度的单事件元组；2、使用BERT预训练模型分别对单事件元组和短文本进行表征，分别得到单事件元组和短文本的特征向量；3、将步骤2中得到的特征向量通过张量组合的方式进行融合，使用细粒度事件信息增强短文本的表征；4、将步骤3中得到的细粒度事件信息增强后的特征向量输入Bi‑GRU模型中进行情感分类，最终由sigmoid网络输出情感分类的结果。本发明使用细粒度事件信息增强短文本的表征，从而能够提高情感分类的准确率。
-
公开(公告)号：CN116432652A
公开(公告)日：2023-07-14
申请号：CN202310428763.5
申请日：2023-04-20
申请人： 合肥工业大学
IPC分类号： G06F40/295 , G06F40/284 , G06N3/0499 , G06F16/33
摘要： 本发明公开了一种BERT模型和异质图注意力网络的篇章级事件抽取方法，其步骤包括：1、通过BERT预训练模型获取特征表示，利用CRF层进行实体识别；2、将特征表示输入前馈神经网络以检测文档所包含的事件类型；3、构建一个包含实体、句子、角色及事件类型节点的异质图，利用异质图注意力网络进行交互建模，得到具有全局信息的实体特征表示，并将其与文档特征表示进行融合操作，运用起始/结束位置二分类神经网络抽取事件元素；4、基于最短路径的思想，生成完整的事件记录。本发明能够更好地利用上下文、角色和事件类型信息，解决了事件抽取任务中存在的事件元素分散和事件元素重叠问题，从而能提升抽取事件的性能。
-
公开(公告)号：CN112347258B
公开(公告)日：2022-09-13
申请号：CN202011277713.4
申请日：2020-11-16
申请人： 合肥工业大学
IPC分类号： G06F16/35 , G06F40/289 , G06K9/62
摘要： 本发明公开了一种短文本方面级情感分类方法，其步骤包括：1、将短文本分词后，通过短文本中的词生成词向量、标注所有方面向量、词性向量；2、使用XLNET模型判断短文本所拥有的方面，并将每个词的词向量、词性向量、所拥有的方面向量顺次拼接；3、将步骤2中每个词拼接过后的向量输入情感分类Bilstm模型，得到的每个词隐含向量再输入Attention机制，并返回每个词的隐含向量的权重；4、使用每个词所对应的隐含向量和权值做加权平均，结果进入softmax神经网络，得到对应情感，以较大概率值作为情感分类结果。本发明能识别短文本在不同方面所具有的不同情感，从而完成细粒度的情感分类。
-
-
-
搜索结果
4 条记录 (耗时 0.021 秒)
