公开(公告)号：CN111274396B

公开(公告)日：2022-06-07

申请号：CN202010062565.8

申请日：2020-01-20

Applicant: 福州大学

Inventor： 廖祥文 ,  邓立明 ,  陈甘霖 ,  梁少斌 ,  陈开志

IPC: G06F16/35 ,  G06F40/284 ,  G06F40/30 ,  G06F40/247 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于外部知识的视角级文本情感分类方法及系统，包括步骤：对视角级文本进行特征化处理，并捕获文本的双向语义依赖关系；通过动态注意力机制将当前单词与外部知识同义词相结合，并引入哨兵向量避免外部知识对模型的误导；通过位置注意力机制来判断每个单词对视角词的贡献程度；通过计算每个记忆内容的注意力得分，利用门限循环单元将每层的注意力得分与上一层的输出结果非线性结合，并将最后一层作为文本的情感特征表示；利用分类函数得到最终的情感分类结果。本发明能够提高视角级文本情感分类的性能和降低资源的消耗。

公开(公告)号：CN111274396A

公开(公告)日：2020-06-12

申请号：CN202010062565.8

申请日：2020-01-20

Applicant: 福州大学

Inventor： 廖祥文 ,  邓立明 ,  陈甘霖 ,  梁少斌 ,  陈开志

IPC: G06F16/35 ,  G06F40/284 ,  G06F40/30 ,  G06F40/247 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于外部知识的视角级文本情感分类方法及系统，包括步骤：对视角级文本进行特征化处理，并捕获文本的双向语义依赖关系；通过动态注意力机制将当前单词与外部知识同义词相结合，并引入哨兵向量避免外部知识对模型的误导；通过位置注意力机制来判断每个单词对视角词的贡献程度；通过计算每个记忆内容的注意力得分，利用门限循环单元将每层的注意力得分与上一层的输出结果非线性结合，并将最后一层作为文本的情感特征表示；利用分类函数得到最终的情感分类结果。本发明能够提高视角级文本情感分类的性能和降低资源的消耗。

公开(公告)号：CN113505924A

公开(公告)日：2021-10-15

申请号：CN202110776900.5

申请日：2021-07-09

Applicant: 福州大学

Inventor： 廖祥文 ,  梁少斌 ,  陈志豪 ,  杨黄涛

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于级联时空特征的信息传播预测方法及系统。将给定的信息级联转换为向量形式；捕获级联的时序特征，获得级联在时间维度上的特征向量；利用社交关系图和级联图构造异质图，捕获网络节点的依赖上下文；捕获信息在网络中传播的拓扑特征；融合得到级联的时空特征；根据网络节点在时间维度上的位置关系对级联不同时刻的历史时空特征进行加权，得到级联在不同时刻加权后的特征向量；而后使用多头自注意力调整级联不同时刻节点的重要性，得到最终的级联特征表示；利用级联最终的特征表示进行信息传播预测，得到下一个时刻节点激活的概率分布，选择激活概率最大的节点作为下一时刻激活的节点。本发明能够更好地预测下一时刻激活的节点。

公开(公告)号：CN113505924B

公开(公告)日：2023-08-01

申请号：CN202110776900.5

申请日：2021-07-09

Applicant: 福州大学

Inventor： 廖祥文 ,  梁少斌 ,  陈志豪 ,  杨黄涛

IPC: G06Q10/04 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/08 ,  G06N3/042

Abstract: 本发明涉及一种基于级联时空特征的信息传播预测方法及系统。将给定的信息级联转换为向量形式；捕获级联的时序特征，获得级联在时间维度上的特征向量；利用社交关系图和级联图构造异质图，捕获网络节点的依赖上下文；捕获信息在网络中传播的拓扑特征；融合得到级联的时空特征；根据网络节点在时间维度上的位置关系对级联不同时刻的历史时空特征进行加权，得到级联在不同时刻加权后的特征向量；而后使用多头自注意力调整级联不同时刻节点的重要性，得到最终的级联特征表示；利用级联最终的特征表示进行信息传播预测，得到下一个时刻节点激活的概率分布，选择激活概率最大的节点作为下一时刻激活的节点。本发明能够更好地预测下一时刻激活的节点。

公开(公告)号：CN112507114A

公开(公告)日：2021-03-16

申请号：CN202011219283.0

申请日：2020-11-04

Applicant: 福州大学

Inventor： 廖祥文 ,  吴君毅 ,  梁少斌 ,  魏冬春 ,  邓立明

IPC: G06F16/35 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于词注意力机制的多输入LSTM_CNN文本分类方法及系统，将给定的文本分为标题和正文，将其转换成向量形式；分别捕获标题与正文的双向语义依赖关系，得到标题与正文的双向语义特征；对正文的双向语义特征，采用注意力机制计算各个位置的词与分类任务的相关程度，对各个位置的双向语义特征进行注意力加权，得到正文的加权后的特征向量；对正文加权后的特征向量进行局部特征提取，从而得到正文的细粒度特征；将标题与正文的特征进行拼接，得到最终的文档级文本特征表示；对文本特征表示进行预测，得到文本所述的类别概率。本发明能够更好的识别出目标文本的归属类别。