-
公开(公告)号：CN112199606A
公开(公告)日：2021-01-08
申请号：CN202011186366.4
申请日：2020-10-30
Applicant: 福州大学
IPC: G06F16/9536 , G06F40/289 , G06N3/04
Abstract: 本发明涉及一种基于层次用户表示的面向社交媒体的谣言检测系统，包括数据预处理模块，用于对数据进行预处理，抽取用户静态行为特征，按照时间序列对数据进行分段处理；文本表示学习模块，用于从微博/推特文本内容层面以及时间段层面学习词语序列和时间段序列所蕴含的隐层表达，作为事件的文本表示向量，用户行为特征表示学习模块，用于捕获用户行为特征潜在的变化规律及其隐层信息，作为事件的用户行为特征表示向量；谣言检测标签输出模块，用于融合文本、用户行为特征隐藏向量表示，完成谣言检测的标签预测工作。本发明能够较好地对社交媒体上的谣言事件进行检测，并且在早期谣言检测中具备更加快速和稳定的检测效果。
-
公开(公告)号：CN113656548B
公开(公告)日：2023-08-04
申请号：CN202110950317.1
申请日：2021-08-18
Applicant: 福州大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289
Abstract: 本发明涉及一种基于数据包络分析的文本分类模型解释方法及系统，该方法包括以下步骤：通过文本预处理模块对待解释的初始文本进行预处理；通过先验知识提取模块对待解释文本的固有属性进行信息提取；通过多视角解释模块对文本的预测结果从不同视角进行解释并获取相应的贡献得分；通过数据包络分析解释模块对先验知识提取模块提取的先验知识矩阵与多视角解释模块提取的视角贡献得分矩阵进行综合评估分析，以获取融合特征后的单词解释得分。该方法及系统有利于提供客观、全面的解释信息，提高文本分类模型解释的准确性和可靠性。
-
公开(公告)号：CN113505226B
公开(公告)日：2023-08-04
申请号：CN202110777058.7
申请日：2021-07-09
Applicant: 福州大学
IPC: G06F16/35 , G06F18/2415 , G06N3/0464 , G06N3/042 , G06N3/0442 , G06N3/084 , G06N3/08
Abstract: 本发明涉及一种融合图卷积神经网络的文本情感分类系统。包括：数据预处理模块，用于构造用户与用户关系图和用户与产品关系图；评论文本预处理模块，用于对文档文本进行特征化处理；基于循环神经网络的编码模块，获取单词级别和句子级别的编码；基于图卷积神经网络的用户和产品特征提取模块，获取用户和产品的向量表示；用户产品记忆模块，获取具有代表性的用户和产品信息的向量表示；注意力机制模块，分别获取用户和产品的句子和文档表示向量；预测情感极性模块，利用分类函数得到最终的情感分类结果。本发明能够有效的学习用户与用户之间和产品与产品之间的内联关系，并通过用户层次和产品层次的分层注意力网络，最终识别出文本的情感类别。
-
Patent Agency Ranking
公开(公告)号：CN113515634A
公开(公告)日：2021-10-19
申请号：CN202110775965.8
申请日：2021-07-09
Applicant: 福州大学
IPC: G06F16/35 , G06F16/36 , G06F40/216 , G06N3/04
Abstract: 本发明涉及一种基于分层异质图神经网络的社交媒体谣言检测方法及系统，包括基于数据预处理模块，用于对文本数据进行预处理，抽取用户静态特征，构建分层异质图结构；事件编码模块，用于编码含有传播及扩散结构信息的文本；用户编码模块，用于学习用户行为特征；全局异质图编码模块，用于捕捉事件和用户之间丰富的全局结构信息；谣言检测标签输出模块，用于融合文本信息、用户行为特征、全局异质图信息，完成谣言检测的标签预测工作。本发明能够有效的学习用户与用户之间和文本与文本之间的局部内联关系，生成含有临近节点信息的用户、文本表示，以此建模学习用户与事件之间的全局结构关系，最终识别出事件的真实性。
-
公开(公告)号：CN112199606B
公开(公告)日：2022-06-03
申请号：CN202011186366.4
申请日：2020-10-30
Applicant: 福州大学
IPC: G06F16/9536 , G06F40/289 , G06N3/04
Abstract: 本发明涉及一种基于层次用户表示的面向社交媒体的谣言检测系统，包括数据预处理模块，用于对数据进行预处理，抽取用户静态行为特征，按照时间序列对数据进行分段处理；文本表示学习模块，用于从微博/推特文本内容层面以及时间段层面学习词语序列和时间段序列所蕴含的隐层表达，作为事件的文本表示向量，用户行为特征表示学习模块，用于捕获用户行为特征潜在的变化规律及其隐层信息，作为事件的用户行为特征表示向量；谣言检测标签输出模块，用于融合文本、用户行为特征隐藏向量表示，完成谣言检测的标签预测工作。本发明能够较好地对社交媒体上的谣言事件进行检测，并且在早期谣言检测中具备更加快速和稳定的检测效果。
-
公开(公告)号：CN113656548A
公开(公告)日：2021-11-16
申请号：CN202110950317.1
申请日：2021-08-18
Applicant: 福州大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289
Abstract: 本发明涉及一种基于数据包络分析的文本分类模型解释方法及系统，该方法包括以下步骤：通过文本预处理模块对待解释的初始文本进行预处理；通过先验知识提取模块对待解释文本的固有属性进行信息提取；通过多视角解释模块对文本的预测结果从不同视角进行解释并获取相应的贡献得分；通过数据包络分析解释模块对先验知识提取模块提取的先验知识矩阵与多视角解释模块提取的视角贡献得分矩阵进行综合评估分析，以获取融合特征后的单词解释得分。该方法及系统有利于提供客观、全面的解释信息，提高文本分类模型解释的准确性和可靠性。
-
公开(公告)号：CN113515634B
公开(公告)日：2023-08-01
申请号：CN202110775965.8
申请日：2021-07-09
Applicant: 福州大学
IPC: G06F16/35 , G06F16/36 , G06F40/216 , G06N3/047
Abstract: 本发明涉及一种基于分层异质图神经网络的社交媒体谣言检测方法及系统，包括基于数据预处理模块，用于对文本数据进行预处理，抽取用户静态特征，构建分层异质图结构；事件编码模块，用于编码含有传播及扩散结构信息的文本；用户编码模块，用于学习用户行为特征；全局异质图编码模块，用于捕捉事件和用户之间丰富的全局结构信息；谣言检测标签输出模块，用于融合文本信息、用户行为特征、全局异质图信息，完成谣言检测的标签预测工作。本发明能够有效的学习用户与用户之间和文本与文本之间的局部内联关系，生成含有临近节点信息的用户、文本表示，以此建模学习用户与事件之间的全局结构关系，最终识别出事件的真实性。
-
公开(公告)号：CN113505226A
公开(公告)日：2021-10-15
申请号：CN202110777058.7
申请日：2021-07-09
Applicant: 福州大学
Abstract: 本发明涉及一种融合图卷积神经网络的文本情感分类系统。包括：数据预处理模块，用于构造用户与用户关系图和用户与产品关系图；评论文本预处理模块，用于对文档文本进行特征化处理；基于循环神经网络的编码模块，获取单词级别和句子级别的编码；基于图卷积神经网络的用户和产品特征提取模块，获取用户和产品的向量表示；用户产品记忆模块，获取具有代表性的用户和产品信息的向量表示；注意力机制模块，分别获取用户和产品的句子和文档表示向量；预测情感极性模块，利用分类函数得到最终的情感分类结果。本发明能够有效的学习用户与用户之间和产品与产品之间的内联关系，并通过用户层次和产品层次的分层注意力网络，最终识别出文本的情感类别。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
