-
公开(公告)号：CN111966810B
公开(公告)日：2021-03-09
申请号：CN202010910552.1
申请日：2020-09-02
Applicant: 中国矿业大学(北京)
IPC: G06F16/332 , G06F16/338
Abstract: 本发明公开了一种用于问答系统的问答对排序方法，涉及自然语言处理领域。该方法包括以下步骤：针对给定问题检索相关文档，并初步筛选出大概率具有所需回答的文档；将得到的文档按段落拆分为N个片段，分别放在给定问题的后边并向量化表示，得到N个向量化的问题‑片段对，N为整数；将N个向量化表示的问题‑片段对编码为N个统一大小的单个向量；对得到的N个统一大小的单个向量进行分类，得到问题‑片段对中“回答”是该“问题”的相关回答的概率，并进行排序；通过置信区间筛选出相关性较高的片段，作为最终答案。本发明可用于问答系统的问答对的准确排序。
-
公开(公告)号：CN111966810A
公开(公告)日：2020-11-20
申请号：CN202010910552.1
申请日：2020-09-02
Applicant: 中国矿业大学(北京)
IPC: G06F16/332 , G06F16/338
Abstract: 本发明公开了一种用于问答系统的问答对排序方法，涉及自然语言处理领域。该方法包括以下步骤：针对给定问题检索相关文档，并初步筛选出大概率具有所需回答的文档；将得到的文档按段落拆分为N个片段，分别放在给定问题的后边并向量化表示，得到N个向量化的问题-片段对，N为整数；将N个向量化表示的问题-片段对编码为N个统一大小的单个向量；对得到的N个统一大小的单个向量进行分类，得到问题-片段对中“回答”是该“问题”的相关回答的概率，并进行排序；通过置信区间筛选出相关性较高的片段，作为最终答案。本发明可用于问答系统的问答对的准确排序。
-
公开(公告)号：CN113688634B
公开(公告)日：2022-02-11
申请号：CN202110945239.6
申请日：2021-08-17
Applicant: 中国矿业大学(北京)
IPC: G06F40/30 , G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种细粒度情感分析方法，涉及自然语言处理领域。该方法包括以下步骤：为数据集中每条样本生成序列标签和位置嵌入向量、添加“ ”和“ ”标志以标识样本的首尾、添加标签“ ”以补齐样本长度，之后将样本通过词典转化为整数编码序列，输入bert模型生成样本的嵌入向量；搭建实体数量预测模型、实体起始位置标注模型和实体长度预测模型，并将样本分别输入三个模型进行训练，完成评价对象提取(OTE)；搭建情感预测模型，并将样本输入该模型进行训练，完成情感极性分析(OSC)；顺次连接以上训练完毕的四个模型，输入待预测样本，抽取评价对象并分析评价对象的情感极性。本发明可用于抽取评论文本中的评价对象及对其进行情感分析。
-
公开(公告)号：CN113688634A
公开(公告)日：2021-11-23
申请号：CN202110945239.6
申请日：2021-08-17
Applicant: 中国矿业大学(北京)
IPC: G06F40/30 , G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种细粒度情感分析方法，涉及自然语言处理领域。该方法包括以下步骤：为数据集中每条样本生成序列标签和位置嵌入向量、添加“ ”和“ ”标志以标识样本的首尾、添加标签“ ”以补齐样本长度，之后将样本通过词典转化为整数编码序列，输入bert模型生成样本的嵌入向量；搭建实体数量预测模型、实体起始位置标注模型和实体长度预测模型，并将样本分别输入三个模型进行训练，完成评价对象提取(OTE)；搭建情感预测模型，并将样本输入该模型进行训练，完成情感极性分析(OSC)；顺次连接以上训练完毕的四个模型，输入待预测样本，抽取评价对象并分析评价对象的情感极性。本发明可用于抽取评论文本中的评价对象及对其进行情感分析。
-
-
-
Search Results
4
records
(took 0.026 seconds)
