-
公开(公告)号：CN109214454A
公开(公告)日：2019-01-15
申请号：CN201811008927.4
申请日：2018-08-31
Applicant: 东北大学
Abstract: 本发明提供一种面向微博的情感社区分类方法，涉及情感分析技术领域。该方法包括：建立基于情感词典和情感表情的朴素贝叶斯分类分类算法SL-SE-NB；建立基于LPA话题模型的用户-超话题-子话题-关键词的四层模型UTK；对话题进行情感分类，形成积极、消极和中性3个情感社区。本发明提供的一种基于面向微博的情感社区分类方法，该方法不仅能够发现模块度较高的情感社区，而且运行时间也在可接受范围之内，本方法既可以为有关部门监测微博用户的舆论导向，同时又能够帮助商家减少商业损失，而且还可以给心理研究机构提供敏感话题人群的情感变化分析结果。
-
公开(公告)号：CN112256866B
公开(公告)日：2021-09-03
申请号：CN202011027335.4
申请日：2020-09-25
Applicant: 东北大学
IPC: G06F16/35 , G06F16/33 , G06F40/211 , G06F40/242 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的文本细粒度情感分析方法，包括如下步骤：基于辅助学习和注意力机制的AL‑ATT模型和基于图卷积网络与注意力机制的GCN‑ATT模型；基于辅助学习和注意力机制的AL‑ATT模型包括如下步骤：数据预处理—注意力嵌入模块—辅助学习模块—交互注意力模块—输出模块—正则化约束；相比于依赖语言学知识和人工特征提取的基于规则和机器学习方法，使用深度学习不需要人工的选择特征也不需要依赖大量的特征工程，它可以很好的处理高维的输入数据，可以自动学习文本中的特征，从而对文本向量实现进行准确的分类。
-
公开(公告)号：CN109214454B
公开(公告)日：2021-07-06
申请号：CN201811008927.4
申请日：2018-08-31
Applicant: 东北大学
Abstract: 本发明提供一种面向微博的情感社区分类方法，涉及情感分析技术领域。该方法包括：建立基于情感词典和情感表情的朴素贝叶斯分类分类算法SL‑SE‑NB；建立基于LPA话题模型的用户‑超话题‑子话题‑关键词的四层模型UTK；对话题进行情感分类，形成积极、消极和中性3个情感社区。本发明提供的一种基于面向微博的情感社区分类方法，该方法不仅能够发现模块度较高的情感社区，而且运行时间也在可接受范围之内，本方法既可以为有关部门监测微博用户的舆论导向，同时又能够帮助商家减少商业损失，而且还可以给心理研究机构提供敏感话题人群的情感变化分析结果。
-
公开(公告)号：CN112256866A
公开(公告)日：2021-01-22
申请号：CN202011027335.4
申请日：2020-09-25
Applicant: 东北大学
IPC: G06F16/35 , G06F16/33 , G06F40/211 , G06F40/242 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的文本细粒度情感分析方法，包括如下步骤：基于辅助学习和注意力机制的AL‑ATT模型和基于图卷积网络与注意力机制的GCN‑ATT模型；基于辅助学习和注意力机制的AL‑ATT模型包括如下步骤：数据预处理—注意力嵌入模块—辅助学习模块—交互注意力模块—输出模块—正则化约束；相比于依赖语言学知识和人工特征提取的基于规则和机器学习方法，使用深度学习不需要人工的选择特征也不需要依赖大量的特征工程，它可以很好的处理高维的输入数据，可以自动学习文本中的特征，从而对文本向量实现进行准确的分类。
-
-
-
Search Results
4
records
(took 0.015 seconds)
