公开(公告)号：CN116737874A

公开(公告)日：2023-09-12

申请号：CN202310631652.4

申请日：2023-05-31

Applicant: 上海工程技术大学

Inventor： 黄勃 ,  王航 ,  郭茹燕 ,  刘志伟 ,  方志军 ,  刘书华

IPC: G06F16/33 ,  G06F18/214 ,  G06F18/22 ,  G06F40/284 ,  G06F40/211

Abstract: 本发明公开了一种基于非对称位置加权策略的工业文本情感分析方法，属于自然语言处理技术领域。该方法包括：获取文本样本数据集，对每个句子进行分词得到词向量表示序列；并人工预先进行方面词标注得到训练集；构建基于非对称位置加权策略的情感分析模型，包括依次连接的Bi‑GRU层、Self‑Attention层、自适应加权策略、方面信息融合层以及情感分析层；使用所述训练集训练该模型获得优化的情感分析模型；采集实际文本数据，利用优化的情感分析模型对数据进行处理，获取情感分析结果。本发明引入自适应加权策略弥补了Self‑Attention层忽略了上下文词之间的位置关系的问题，进一步加强了情感分析模型的表达能力。

公开(公告)号：CN116737873A

公开(公告)日：2023-09-12

申请号：CN202310631584.1

申请日：2023-05-31

Applicant: 上海工程技术大学

Inventor： 黄勃 ,  刘志伟 ,  郭茹燕 ,  王航 ,  方志军 ,  刘书华

IPC: G06F16/33 ,  G06F18/2411 ,  G06F18/214 ,  G06F16/35

Abstract: 本发明公开了一种基于自适应上下文位置权重的工业文本情感分析方法，属于自然语言处理技术领域。该方法包括：获取文本样本数据集，对每个句子进行预处理，并人工预先进行方面词标注；将所述预处理后的句子放入全局词向量GloVe预训练模型获得词向量表示，得到训练集；构建自适应上下文位置权重的情感分析模型，使用所述训练集训练该模型，计算损失函数，直到达到截至条件后获得优化的自适应上下文位置权重的情感分析模型；采集实际文本数据，利用所述优化的自适应上下文位置权重的情感分析模型对数据进行处理，获取情感分析结果。本发明通过加入自适应位置权重变换函数和多句子级的Bi‑GRU在工业企业领域情感分析中取得了较好的效果。