-
公开(公告)号：CN116341548A
公开(公告)日：2023-06-27
申请号：CN202310165477.4
申请日：2023-02-22
Applicant: 合肥工业大学 , 国网安徽省电力有限公司电力科学研究院
IPC: G06F40/295
Abstract: 本发明提供一种融合产品领域知识的产品实体识别方法、系统、存储介质和电子设备，涉及自然语言处理技术领域。本发明根据产品领域知识，构建词库中产品实体的索引集，获取每个字符对应的字符级候选产品实体；根据待识别实体语句，构建的候选产品实体指称图，获取任意两个字符级候选产品实体之间的全局依赖关系，获取每个字符级候选产品实体为待识别实体语句的指称实体的证据分数；根据待识别实体语句、各个字符级候选产品实体及其对应的嵌入权重，获取联合嵌入向量，并作为预先构建的深度学习模型的输入，获取实体识别结果。能够将实体的全局依赖关系嵌入到深度学习模型，扩展了模型的信息来源，从而增强了其处理中文产品实体识别问题的能力。
-
公开(公告)号：CN116187275A
公开(公告)日：2023-05-30
申请号：CN202310165447.3
申请日：2023-02-22
Applicant: 国网安徽省电力有限公司电力科学研究院 , 合肥工业大学
Inventor： 秦琪 , 王安宁 , 陈艺 , 方钊 , 赵龙 , 张强 , 汪玉 , 唐莫默 , 李宾宾 , 包佳佳 , 杨瑞雪 , 丁洁 , 陈庆涛 , 黄杰 , 刘鑫 , 杨孝忠 , 金义 , 尹睿涵 , 马路遥 , 陈清兵 , 范明豪 , 马亚彬 , 翟玥 , 吕鹏飞 , 刘耕云
IPC: G06F40/126 , G06F40/279 , G06F16/33 , G06N3/0442 , G06N3/0475 , G06N3/08
Abstract: 本发明提供一种基于集合序列生成网络的开放信息抽取方法、系统、存储介质和电子设备，涉及开放信息抽取技术领域。本发明中，所述集合序列生成网络包括文本信息编码层、信息元组编码层和信息元组序列生成层，基于该网络将开放信息抽取任务表述为一个集合预测问题，并将集合预测网络和文本生成网络结合，提出了一种基于集合系列生成网络的开放信息抽取方法，有效地处理了信息元组之间的关系，并且可以用于面向特定领域的企业级、产品级和技术级等的信息抽取。
-
公开(公告)号：CN110414811A
公开(公告)日：2019-11-05
申请号：CN201910648591.6
申请日：2019-07-18
Applicant: 合肥工业大学
Abstract: 本发明提供一种基于用户在线生成内容的产品提升策略获取方法和系统，涉及数据处理技术领域。本发明利用社交媒体在线产品评论文本获取产品特征的满意度和重要性，社交媒体上的在线产品评论文本样本容量大，使得产品特征的满意度和产品特征的重要性结果更加全面、准确。然后利用Kano-IPA整合模型分析产品各特征的市场效果，充分考虑忽略产品二维特征和产品现状，获取准确、合理的产品提升策略。
-
公开(公告)号：CN110032735A
公开(公告)日：2019-07-19
申请号：CN201910218684.5
申请日：2019-03-21
Applicant: 合肥工业大学
IPC: G06F17/27
Abstract: 本发明提供一种隐含观点情感极性的分析方法，涉及社交网络分析领域。所述隐含观点情感极性的分析方法包括：S1、获取用户的评论数据，所述评论数据包括：评论文本；S2、对所述评论数据进行预处理，将所述评论文本划分为子句；S3、从所述评论数据中提取产品特征；S4、构建领域依赖的情感词典，并基于所述情感词典从所述子句中提取隐含观点子句；S5、从所述隐含观点子句中提取频繁模式，从所述频繁模式中提取特征模式，从所述特征模式中提取特征隐含观点模式并分析所述特征隐含观点模式的情感极性；S6、进行特征级别情感极性分析和评论级别情感极性分析。本发明可以准确分析隐含观点的情感极性。
-
公开(公告)号：CN110032735B
公开(公告)日：2023-04-07
申请号：CN201910218684.5
申请日：2019-03-21
Applicant: 合肥工业大学
IPC: G06F40/30 , G06F40/211
Abstract: 本发明提供一种隐含观点情感极性的分析方法，涉及社交网络分析领域。所述隐含观点情感极性的分析方法包括：S1、获取用户的评论数据，所述评论数据包括：评论文本；S2、对所述评论数据进行预处理，将所述评论文本划分为子句；S3、从所述评论数据中提取产品特征；S4、构建领域依赖的情感词典，并基于所述情感词典从所述子句中提取隐含观点子句；S5、从所述隐含观点子句中提取频繁模式，从所述频繁模式中提取特征模式，从所述特征模式中提取特征隐含观点模式并分析所述特征隐含观点模式的情感极性；S6、进行特征级别情感极性分析和评论级别情感极性分析。本发明可以准确分析隐含观点的情感极性。
-
Patent Agency Ranking
公开(公告)号：CN110443646B
公开(公告)日：2022-04-19
申请号：CN201910695212.9
申请日：2019-07-30
Applicant: 合肥工业大学
IPC: G06Q30/02 , G06F16/951 , G06F16/33 , G06F16/35 , G06F40/295
Abstract: 本发明提供一种产品竞争关系网络分析方法和系统，涉及数据处理技术领域。本发明通过获取互联网中的原始产品评论数据，然后对原始产品评论数据进行预处理，得到产品评论数据，然后基于产品评论数据进行一系列的处理，得到竞争网络图，然后通过竞争网络图分析产品间的竞争关系，制定营销策略。相对于传统的调研方式来说，本发明基于时效性强、样本容量大的互联网中的原始产品评论数据制定营销策略，使得制定的营销策略可靠度高。同时，本发明通过互联网中的原始产品评论数据制定营销策略，相对于传统的利用调查问卷、专家访谈或头脑风暴等传统市场调研方法制定营销策略来说，人力和财力成本更低。
-
公开(公告)号：CN112183056B
公开(公告)日：2025-01-14
申请号：CN202010838502.7
申请日：2020-08-19
Applicant: 合肥工业大学
IPC: G06F40/211 , G06F40/284 , G06F16/35 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/08 , G06Q50/00
Abstract: 本发明提供一种基于CNN‑BiLSTM框架的上下文依赖的多分类情感分析方法和系统，涉及文本信息处理技术领域。本发明通过获取文本评论，对文本评论进行预处理；对文本评论的子句进行多种情感类别标注处理，获取训练集、验证集和测试集；基于上下文依赖策略、训练集、验证集和测试集和基于CNN‑BiLSTM框架的情感分析模型获取多分类情感分析模型，通过所述多分类情感分析模型分析待测文本评论的情感类别。本发明提出了一个多分类情感分析模型，该模型基于上下文依赖策略进行构建，通过融合上下文的情感信息来捕获更加复杂的情感特征，可以更加有效的识别评论中每一个子句的情感，提高了多分类情感分析模型的准确率，从而可以更加准确的分析出待测文本评论的情感类别。
-
公开(公告)号：CN116450818A
公开(公告)日：2023-07-18
申请号：CN202310165471.7
申请日：2023-02-22
Applicant: 合肥工业大学
Abstract: 本发明提供一种基于情绪转移的多标签情绪序列生成方法、系统、存储介质和电子设备，涉及多标签情绪序列生成技术领域。本发明的核心思想是将连续子句的多标签情绪分类任务表述为一个情绪的连续生成问题：通过基于Transformers的双向编码表示和自注意力机制分别在字符层面和在子句层面建模情绪的隐性转移关系；采用生成网络来建模情绪标签的显性转移关系，以顺序预测每个子句的情绪离散分布。有效地处理了连续子句所表达的情绪之间的关系，并且可以用于面向特定领域的企业级、产品级和技术级等的情绪检测。
-
公开(公告)号：CN112749562A
公开(公告)日：2021-05-04
申请号：CN202011636806.1
申请日：2020-12-31
Applicant: 合肥工业大学
IPC: G06F40/295 , G06F40/216 , G06F40/126 , G06N3/04 , G06N5/04
Abstract: 本发明提供一种命名实体识别方法、装置、存储介质及电子设备，涉及自然语言处理技术领域。对获取的专业领域原始数据进行预处理并构建数据集，然后构建包括BERT预训练模型层、BiLSTM网络层，以及CRF推理层的BERT‑BiLSTM‑CRF模型，并用上述数据集训练上述BERT‑BiLSTM‑CRF模型，最后利用训练后的BERT‑BiLSTM‑CRF模型进行命名实体识别。本技术方案基于BERT模型构建的命名实体识别模型，很好的解决了在专业领域标注数据不足以及实体边界模糊时实体识别困难，精度不高的问题，提高实体识别模型的性能和识别准确率。
-
公开(公告)号：CN108665306A
公开(公告)日：2018-10-16
申请号：CN201810422148.2
申请日：2018-05-04
Applicant: 合肥工业大学 , 奇瑞汽车股份有限公司
IPC: G06Q30/02
Abstract: 本发明提供一种核心竞争产品识别方法和系统、存储介质，包括：确定待分析产品的多个潜在竞争产品；从待分析产品和每一个潜在竞争产品的在线客户评论中均采集第一预设数量的在线客户评论，形成数据集；从数据集中的在线客户评论中提取出产品名称，并根据提取出的产品名称，构建产品名称库；根据数据集中包含产品名称库中至少两个产品名称的在线客户评论，确定待分析产品的潜在客户流失到每一个潜在竞争产品的概率；根据潜在客户流失到各个潜在竞争产品的概率，从多个潜在竞争产品中选取出待分析产品的核心竞争产品。通过本发明，企业可以了解其产品的核心竞争产品，进而便于对其产品相对于核心竞争产品的优劣进行分析。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.065 seconds)
