公开(公告)号：CN111475615B

公开(公告)日：2023-06-20

申请号：CN202010168893.6

申请日：2020-03-12

申请人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

发明人： 徐睿峰 ,  梁斌 ,  毛瑞彬 ,  张俊 ,  杨敏 ,  杜嘉晨 ,  范创

IPC分类号： G06F16/33 ,  G06F18/214 ,  G06Q50/00

摘要： 本发明提供了一种情感增强的细粒度情感预测方法，包括执行以下步骤：步骤1：根据方面词语或属性的特性对数据进行扩建；步骤2：结合对抗训练构造细粒度情感分析对抗网络模型，并且通过共享特征提取器提取所有训练样本的共通情感特征；步骤3：将提取到的共通情感特征和特定方面的情感特征相结合来构造对抗训练多任务学习网络框架，协助模型对数据样本缺乏文本进行细粒度情感识别。本发明的有益效果是：1.本发明所提出的对抗训练多任务学习框架能通过特征提取器和判别器共同学习提取到的共享特征来协助细粒度情感分类模型对输入文本进行细粒度情感预测；2.本发明基于这种对抗训练和多任务学习方法，可以增强数据集不同方面的情感特征表示。

公开(公告)号：CN111475615A

公开(公告)日：2020-07-31

申请号：CN202010168893.6

申请日：2020-03-12

申请人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

发明人： 徐睿峰 ,  梁斌 ,  毛瑞彬 ,  张俊 ,  杨敏 ,  杜嘉晨 ,  范创

IPC分类号： G06F16/33 ,  G06K9/62 ,  G06Q50/00

摘要： 本发明提供了一种情感增强的细粒度情感预测方法，包括执行以下步骤：步骤1：根据方面词语或属性的特性对数据进行扩建；步骤2：结合对抗训练构造细粒度情感分析对抗网络模型，并且通过共享特征提取器提取所有训练样本的共通情感特征；步骤3：将提取到的共通情感特征和特定方面的情感特征相结合来构造对抗训练多任务学习网络框架，协助模型对数据样本缺乏文本进行细粒度情感识别。本发明的有益效果是：1.本发明所提出的对抗训练多任务学习框架能通过特征提取器和判别器共同学习提取到的共享特征来协助细粒度情感分类模型对输入文本进行细粒度情感预测；2.本发明基于这种对抗训练和多任务学习方法，可以增强数据集不同方面的情感特征表示。

公开(公告)号：CN118569255A

公开(公告)日：2024-08-30

申请号：CN202410399107.1

申请日：2024-04-01

申请人： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

发明人： 徐睿峰 ,  张义策 ,  杨逸凡 ,  杜嘉晨

IPC分类号： G06F40/289 ,  G06F40/30 ,  G06N3/0464 ,  G06N3/09

摘要： 本申请公开了一种情感抽取方法、装置、电子设备以及存储介质。该情感抽取方法包括：获取待抽取文本；利用情感抽取模型对待抽取文本进行词特征提取，得到待抽取文本中各词表示之间的上下文表示；基于各词表示以及上下文表示，确定待抽取文本的目标特征表示，目标特征表示表征能够指示情感抽取模型对待抽取文本生成抽取结果的关系信息；对目标特征表示和各词表示进行情感抽取，得到待抽取文本对应的目标抽取结果，目标抽取结果包括情感三元组序列或情感四元组序列。上述方案，能够提高待抽取文本对应的目标抽取结果的准确度。