-
公开(公告)号：CN116050432A
公开(公告)日：2023-05-02
申请号：CN202310083882.1
申请日：2023-01-31
Applicant: 福州大学
IPC: G06F40/35 , G06F40/284 , G06F40/166 , G06F40/242 , G06N3/04 , G06N3/084
Abstract: 本发明涉及一种领域数据增强与多粒度语义理解的多轮对话方法及系统，该方法包括以下步骤：步骤A：提取用户对话、用户对话涉及的回复，并标注用户对话中涉及的相关回复话语的标签，正样本为对话中正确的回复，负样本为不正确的回复，构建训练集U；步骤B：使用训练集U，训练领域数据增强与多粒度语义理解的深度学习网络模型G，用于学习用户对话中和用户对话涉及的回复中的时序语义关系；步骤C：将完整用户对话和用户对话涉及的回复输入到训练后的深度学习网络模型G中，得到关于完整用户对话的正确回复。该方法及系统可以有效提高回复选择的准确性。
-
公开(公告)号：CN112667818B
公开(公告)日：2022-06-14
申请号：CN202110001581.0
申请日：2021-01-04
Applicant: 福州大学
IPC: G06F16/35 , G06F40/211 , G06F40/284 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种融合GCN与多粒度注意力的用户评论情感分析方法，包括以下步骤：步骤A：提取用户评论、用户评论涉及的产品或服务的方面词，并标注用户评论针对产品或服务的的特定方面的情感极性，构建训练集SA；步骤B：使用训练集SA，训练融合GCN与多粒度注意力的深度学习网络模型G，用于分析用户评论对产品或服务的特定方面的情感记性；步骤C：将用户评论与用户评论涉及的产品或服务的方面词输入到训练后的深度学习网络模型G中，得到用户评论对产品或服务的特定方面的情感极性。本发明能够有效提高情感分类的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114492459A
公开(公告)日：2022-05-13
申请号：CN202210182675.7
申请日：2022-02-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于知识图谱与交互图卷积的评论情感分析方法及系统，该方法包括以下步骤：步骤A：收集用户评论，提取用户评论中涉及的产品或服务的方面词，并标注用户评论针对该产品或服务的特定方面的情感极性，以此来构建训练集DS；步骤B：使用训练集DS，训练基于知识图谱与交互图卷积网络的深度学习网络模型G，用于分析用户评论对产品或服务的特定方面的情感极性；步骤C：将用户评论与用户评论涉及的产品或服务的方面词输入到训练好的深度学习网络模型中，获得用户评论针对该产品或服务中的特定方面的情感极性。该方法及系统有利于提高情感分类的准确性。
-
公开(公告)号：CN114492459B
公开(公告)日：2025-01-10
申请号：CN202210182675.7
申请日：2022-02-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于知识图谱与交互图卷积的评论情感分析方法及系统，该方法包括以下步骤：步骤A：收集用户评论，提取用户评论中涉及的产品或服务的方面词，并标注用户评论针对该产品或服务的特定方面的情感极性，以此来构建训练集DS；步骤B：使用训练集DS，训练基于知识图谱与交互图卷积网络的深度学习网络模型G，用于分析用户评论对产品或服务的特定方面的情感极性；步骤C：将用户评论与用户评论涉及的产品或服务的方面词输入到训练好的深度学习网络模型中，获得用户评论针对该产品或服务中的特定方面的情感极性。该方法及系统有利于提高情感分类的准确性。
-
公开(公告)号：CN116258147A
公开(公告)日：2023-06-13
申请号：CN202310083964.6
申请日：2023-01-31
Applicant: 福州大学
IPC: G06F40/30 , G06N3/0464 , G06N3/08 , G06N5/02
Abstract: 本发明涉及一种基于异构图卷积的多模态评论情感分析方法，包括以下步骤：步骤A：收集用户评论和相关图像，提取用户评论中涉及的产品或服务的方面词，并标注用户评论针对该产品或服务的特定方面的情感极性，以此来构建训练集DB；步骤B：使用训练集DB，训练基于知识图谱与异构图卷积网络的深度学习网络模型DLM，用于分析用户评论和相关图像对产品或服务的特定方面的情感极性；步骤C：将用户评论和相关图像与所涉及的产品或服务的方面词输入到训练好的深度学习网络模型中，获得用户评论和相关图像针对该产品或服务中的特定方面的情感极性。该方法及系统有利于提高情感分类的准确性。
-
公开(公告)号：CN112667818A
公开(公告)日：2021-04-16
申请号：CN202110001581.0
申请日：2021-01-04
Applicant: 福州大学
IPC: G06F16/35 , G06F40/211 , G06F40/284 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种融合GCN与多粒度注意力的用户评论情感分析方法，包括以下步骤：步骤A：提取用户评论、用户评论涉及的产品或服务的方面词，并标注用户评论针对产品或服务的的特定方面的情感极性，构建训练集SA；步骤B：使用训练集SA，训练融合GCN与多粒度注意力的深度学习网络模型G，用于分析用户评论对产品或服务的特定方面的情感记性；步骤C：将用户评论与用户评论涉及的产品或服务的方面词输入到训练后的深度学习网络模型G中，得到用户评论对产品或服务的特定方面的情感极性。本发明能够有效提高情感分类的准确性。
-
公开(公告)号：CN115422945A
公开(公告)日：2022-12-02
申请号：CN202211139407.3
申请日：2022-09-19
Applicant: 福州大学
Abstract: 本发明提出一种融合情感挖掘的谣言检测方法，所述方法包括以下步骤；步骤A：收集并提取社交网络媒体中源帖子的文本内容和评论内容，并人工标注源帖子的真实标签，形成训练数据集DT；步骤B：使用训练数据集DT，训练基于多级注意力和知识图谱的深度学习网络模型N，训练内容包括分析源帖子的真实性和预测源帖子的真实性标签；步骤C：将源帖子的文本内容和评论内容输入到训练好的深度学习网络模型N中，获得源帖子的真实性标签；本发明可以提升对微博进行谣言检测的准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
