公开(公告)号：CN110472115A

公开(公告)日：2019-11-19

申请号：CN201910728636.0

申请日：2019-08-08

Applicant: 东北大学

Inventor： 韩东红 ,  汤玉莹 ,  王涛 ,  王波涛 ,  吴刚 ,  刘辉林 ,  乔白友 ,  夏利

IPC: G06F16/9035 ,  G06F16/906 ,  G06F16/951 ,  G06Q50/00

Abstract: 本发明提供一种基于深度学习的社交网络文本情感细粒度分类方法，涉及情感多分类领域，本发明使用Scrapy框架爬取社交网络文本数据，进行数据清洗、分词，将分词结果作为word2vec的输入进行词向量转化；基于CNN模型进行文本的情感8分类，将词向量转化结果作为CNN嵌入层的输入，进行卷积、池化、概率计算等前向、反向传播过程训练模型，实现对网络评论情感分类的迁移学习，对社交网络文本进行二轮抽样实现实例迁移、训练分类器，并对评论进行情感预测；对前述工作进行系统设计，对分析结果进行可视化展示，利用MVC三层架构设计展示模块，并针对单文本或多文本情感细粒度分类、跨平台迁移学习文本情感细粒度分类、社交网络热度地图等三方面功能对界面进行设计。

公开(公告)号：CN110472115B

公开(公告)日：2022-08-02

申请号：CN201910728636.0

申请日：2019-08-08

Applicant: 东北大学

Inventor： 韩东红 ,  汤玉莹 ,  王涛 ,  王波涛 ,  吴刚 ,  刘辉林 ,  乔白友 ,  夏利

IPC: G06F16/9035 ,  G06F16/906 ,  G06F16/951 ,  G06Q50/00

Abstract: 本发明提供一种基于深度学习的社交网络文本情感细粒度分类方法，涉及情感多分类领域，本发明使用Scrapy框架爬取社交网络文本数据，进行数据清洗、分词，将分词结果作为word2vec的输入进行词向量转化；基于CNN模型进行文本的情感8分类，将词向量转化结果作为CNN嵌入层的输入，进行卷积、池化、概率计算等前向、反向传播过程训练模型，实现对网络评论情感分类的迁移学习，对社交网络文本进行二轮抽样实现实例迁移、训练分类器，并对评论进行情感预测；对前述工作进行系统设计，对分析结果进行可视化展示，利用MVC三层架构设计展示模块，并针对单文本或多文本情感细粒度分类、跨平台迁移学习文本情感细粒度分类、社交网络热度地图等三方面功能对界面进行设计。

公开(公告)号：CN110457477A

公开(公告)日：2019-11-15

申请号：CN201910734196.X

申请日：2019-08-09

Applicant: 东北大学

Inventor： 韩东红 ,  杨乐 ,  李洛妮 ,  王志瑞 ,  乔白友 ,  刘晨

IPC: G06F16/35 ,  G06F17/27 ,  G06K9/62 ,  G06Q50/00

Abstract: 本发明提供一种面向社交网络的兴趣社群发现方法，涉及社区发现技术领域，本发明在传统Text CNN模型基础上建立新的深度学习模型，能够支持多篇社交网络文本输入，并结合社交网络文本间的相似度，提出了基于Text CNN结合相似度的多文本兴趣建模方法，并提出了结合网络结构和互动行为的用户兴趣特征建模方法。利用LM神将网络算法构建用户影响力模型，再根据该模型结果、关注关系以及@行为信息对基于SMB-TextCNN的结果进行调整，最后根据SIBUIM的结果，提出了基于k-means重叠的兴趣社区发现方法。该方法考虑了社交网络的结构性以及节点的内容，并且能够对新浪微博用户进行重叠的兴趣社区划分。