-
公开(公告)号：CN109948665B
公开(公告)日：2020-11-27
申请号：CN201910152363.X
申请日：2019-02-28
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种本发明提出了一种基于长短时记忆神经网络的人体活动类型分类方法及系统。针对以往的点评网站只考虑点评的具体内容和事物，而忽略了不同评论背后的人群所处的活动类型的问题，本发明提出了一种word2vec模型与TF‑IDF相结合的方法，来推断和识别点评网站上发出不同评论的人当前所处的活动类型和状态。利用评网站构建点评数据集，包括点评内容和活动类型的标签，用Word2Vec模型得到上述点评内容的词向量表示；其次，用TF‑IDF计算每个活动分类的关键词，构建关键词词典；接着，通过统计每条评论中的单词在词典中是否出现，构建权重矩阵；最后将点评内容的词向量与权重矩阵进行拼接，然后输入到长短时记忆神经网络中进行训练，从而得到人体活动分类模块。
-
Patent Agency Ranking
公开(公告)号：CN109948665A
公开(公告)日：2019-06-28
申请号：CN201910152363.X
申请日：2019-02-28
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种本发明提出了一种基于长短时记忆神经网络的人体活动类型分类方法及系统。针对以往的点评网站只考虑点评的具体内容和事物，而忽略了不同评论背后的人群所处的活动类型的问题，本发明提出了一种word2vec模型与TF-IDF相结合的方法，来推断和识别点评网站上发出不同评论的人当前所处的活动类型和状态。利用评网站构建点评数据集，包括点评内容和活动类型的标签，用Word2Vec模型得到上述点评内容的词向量表示；其次，用TF-IDF计算每个活动分类的关键词，构建关键词词典；接着，通过统计每条评论中的单词在词典中是否出现，构建权重矩阵；最后将点评内容的词向量与权重矩阵进行拼接，然后输入到长短时记忆神经网络中进行训练，从而得到人体活动分类模块。
-
公开(公告)号：CN111191099A
公开(公告)日：2020-05-22
申请号：CN201911392834.0
申请日：2019-12-30
Applicant: 中国地质大学(武汉)
IPC: G06F16/951 , G06F16/958 , G06N3/08
Abstract: 本发明提供了一种基于社交媒体的用户活动类型识别方法，通常情况下一张图由结点和边构成。首先将所有的用户评论和构成评论的词看做图中的多个结点，并定义不同词与词之间，词与评论之间的边的权重和关系，形成最基本的图；然后将发表评论的用户看做另一类结点，根据用户与评论之间的发表关系，定义用户和评论间边的权重，向已经形成的图中添加用户结点；然后将发表评论的用户的其他好友看做新一类的结点，定义用户和他们对应的好友结点间的关系权重，形成一张包含评论的文本信息和结构信息的大图。最后利用图卷积网络对形成的大图进行结点分类，得到用户活动分类的准确性。
-
公开(公告)号：CN111191099B
公开(公告)日：2023-04-07
申请号：CN201911392834.0
申请日：2019-12-30
Applicant: 中国地质大学(武汉)
IPC: G06F16/951 , G06F16/958 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于社交媒体的用户活动类型识别方法，通常情况下一张图由结点和边构成。首先将所有的用户评论和构成评论的词看做图中的多个结点，并定义不同词与词之间，词与评论之间的边的权重和关系，形成最基本的图；然后将发表评论的用户看做另一类结点，根据用户与评论之间的发表关系，定义用户和评论间边的权重，向已经形成的图中添加用户结点；然后将发表评论的用户的其他好友看做新一类的结点，定义用户和他们对应的好友结点间的关系权重，形成一张包含评论的文本信息和结构信息的大图。最后利用图卷积网络对形成的大图进行结点分类，得到用户活动分类的准确性。
-
公开(公告)号：CN109033433B
公开(公告)日：2020-09-29
申请号：CN201810918698.3
申请日：2018-08-13
Applicant: 中国地质大学(武汉)
IPC: G06F16/35 , G06F40/289 , G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络的评论数据情感分类方法及系统，本发明针对传统的情感分类方法只单独考虑影评的文本信息，而忽略了影评的背景知识导致情感分类的准确率不高的问题，本发明在原有的影评信息上添加背景知识，利用卷积神经网络提高影评情感分类准确率的方法：首先，利用SenticNet情感网络从影评的文本中得到关键词，并用Word2Vec模型得到上述关键词的向量表示；其次，用SenticNet情感网络得到每个关键词对应的背景知识；然后利用TransE模型和document2vec模型得到背景知识的向量表示；最后，利用卷积神经网络对关键词向量，背景知识向量进行处理，得到情感分类模型，提高了影评数据情感分类的准确性。
-
公开(公告)号：CN109033433A
公开(公告)日：2018-12-18
申请号：CN201810918698.3
申请日：2018-08-13
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于卷积神经网络的评论数据情感分类方法及系统，本发明针对传统的情感分类方法只单独考虑影评的文本信息，而忽略了影评的背景知识导致情感分类的准确率不高的问题，本发明在原有的影评信息上添加背景知识，利用卷积神经网络提高影评情感分类准确率的方法：首先，利用SenticNet情感网络从影评的文本中得到关键词，并用Word2Vec模型得到上述关键词的向量表示；其次，用SenticNet情感网络得到每个关键词对应的背景知识；然后利用TransE模型和document2vec模型得到背景知识的向量表示；最后，利用卷积神经网络对关键词向量，背景知识向量进行处理，得到情感分类模型，提高了影评数据情感分类的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
