-
公开(公告)号:CN110472003B
公开(公告)日:2022-02-22
申请号:CN201910728633.7
申请日:2019-08-08
Applicant: 东北大学
Abstract: 本发明提供一种基于图卷积网络的社交网络文本情感细粒度分类方法,涉及自然语言处理(NLP)中检测文本作者情感极性的领域。本发明对于社交网络文本上的愤怒、厌恶、恐惧、快乐、喜欢、悲伤和惊讶等情绪进行分类,建立了一种基于语法的细粒度情感检测图形卷积网络(GCN)模型。该模型采用BI‑LSTM网络对给定文本进行初步特征提取,将句子图的初步特征和邻接矩阵输入到一个单层GCN中,以利用句子的句法结构,最后得到池化层或全连接层的概率分布。用BI‑LSTM网络与GCN相结合,增强了模型对汉语文本不同语法结构的理解,提高了模型的鲁棒性,提出的基于百分位数的池化方法提高了模型的精确度。
-
公开(公告)号:CN118173076A
公开(公告)日:2024-06-11
申请号:CN202410284651.1
申请日:2024-03-13
Applicant: 东北大学
IPC: G10K11/168 , G10K11/162 , G10K11/172
Abstract: 本专利一种异构开孔泡沫金属低频吸声结构及其制备方法,属于吸声减噪领域。该结构为由若干不同孔径的打孔开孔泡沫金属板和多个空腔构成的多层打孔箱式吸声结构,采用真空渗流法一体成型制得,解决了现有吸声装置低频段吸声效果差的问题。这种由若干空腔和开孔泡沫金属板构成的吸声结构综合了多孔材料吸声和共振结构吸声这两种吸声机制,使得该结构在吸声系数以及吸声频段都有很大程度的提高和拓宽,以达到不同的吸声效果。这种异构开孔泡沫金属吸声结构在低频段的吸声效果表现良好解决了传统吸声减噪材料在低频段吸声效果差的问题,在测试频率范围为20‑2000Hz时平均吸声系数达到了0.5以上。
-
公开(公告)号:CN110472003A
公开(公告)日:2019-11-19
申请号:CN201910728633.7
申请日:2019-08-08
Applicant: 东北大学
Abstract: 本发明提供一种基于图卷积网络的社交网络文本情感细粒度分类方法,涉及自然语言处理(NLP)中检测文本作者情感极性的领域。本发明对于社交网络文本上的愤怒、厌恶、恐惧、快乐、喜欢、悲伤和惊讶等情绪进行分类,建立了一种基于语法的细粒度情感检测图形卷积网络(GCN)模型。该模型采用BI-LSTM网络对给定文本进行初步特征提取,将句子图的初步特征和邻接矩阵输入到一个单层GCN中,以利用句子的句法结构,最后得到池化层或全连接层的概率分布。用BI-LSTM网络与GCN相结合,增强了模型对汉语文本不同语法结构的理解,提高了模型的鲁棒性,提出的基于百分位数的池化方法提高了模型的精确度。
-
-