-
公开(公告)号：CN110147452A
公开(公告)日：2019-08-20
申请号：CN201910410332.X
申请日：2019-05-17
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于层级BERT神经网络的粗粒度情感分析方法，属于Web挖掘和智能信息处理技术领域；包括以下步骤：语料获取：获取粗粒度情感分析的语料；语料预处理：包括字符清理、从句切分以及从句向量构建；构建句子向量：利用双向长短期记忆网络、多层感知机和注意力机制对从句向量进行计算生成句子向量；梯度协调机制优化：引入梯度协调机制解决粗粒度情感分析中数据类别不平衡问题；采用层级BERT神经网络进行粗粒度情感分析。对比现有技术，本发明通过层级BERT神经网络对评论文本进行包含深层语义信息的句子向量的构建，提高了粗粒度情感分析任务的准确性，在信息推荐、舆情监控等领域具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111931506A
公开(公告)日：2020-11-13
申请号：CN202010823187.0
申请日：2020-08-17
Applicant: 北京理工大学
IPC: G06F40/295 , G06F40/211
Abstract: 本发明公开了一种基于图信息增强的实体关系抽取方法，属于信息抽取和大数据挖掘技术领域。本发明包括如下步骤：1)训练集文本数据处理；2)将训练集中的实体关系三元组集合转换为关系图；3)构建训练集中句子的初始向量表示；4)基于图神经网络模型生成图中节点即实体的向量表示；5)构建训练集中句子的向量表示，由句子初始向量和实体向量融合生成句子向量，训练全连接网络；6)依据前述1)到5)抽取测试集中实体的关系。本发明通过预训练模型和图神经网络模型生成句子向量，引入句子分类损失的权重训练方法，提高了实体关系抽取的性能，在信息检索、文本分类、问答系统等领域具有广阔的应用前景。
-
公开(公告)号：CN111931506B
公开(公告)日：2023-01-10
申请号：CN202010823187.0
申请日：2020-08-17
Applicant: 北京理工大学
IPC: G06F40/295 , G06F40/211
Abstract: 本发明公开了一种基于图信息增强的实体关系抽取方法，属于信息抽取和大数据挖掘技术领域。本发明包括如下步骤：1)训练集文本数据处理；2)将训练集中的实体关系三元组集合转换为关系图；3)构建训练集中句子的初始向量表示；4)基于图神经网络模型生成图中节点即实体的向量表示；5)构建训练集中句子的向量表示，由句子初始向量和实体向量融合生成句子向量，训练全连接网络；6)依据前述1)到5)抽取测试集中实体的关系。本发明通过预训练模型和图神经网络模型生成句子向量，引入句子分类损失的权重训练方法，提高了实体关系抽取的性能，在信息检索、文本分类、问答系统等领域具有广阔的应用前景。
-
公开(公告)号：CN109697288B
公开(公告)日：2020-09-15
申请号：CN201811589849.1
申请日：2018-12-25
Applicant: 北京理工大学
IPC: G06F40/211 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种基于深度学习的实例对齐方法，属于信息融合及Web挖掘技术领域。本发明包括如下步骤：构建实例语料集；构建实例对集合；对实例对集合进行预处理；基于段落向量模型Doc2vec和词向量模型Word2vec生成实例对的特征向量；基于训练集实例对训练双向长短期记忆‑卷积神经网络模型；利用经过训练的双向长短期记忆‑卷积神经网络模型对测试集实例对进行实例对齐判别，输出实例对齐结果。本发明将实例对齐问题转换为分类问题，通过双向长短期记忆‑卷积神经网络模型判别实例对齐，提高了实例对齐的识别性能，在信息检索、问答系统、意见挖掘等领域具有广阔的应用前景。
-
公开(公告)号：CN109697288A
公开(公告)日：2019-04-30
申请号：CN201811589849.1
申请日：2018-12-25
Applicant: 北京理工大学
IPC: G06F17/27
Abstract: 本发明公开了一种基于深度学习的实例对齐方法，属于信息融合及Web挖掘技术领域。本发明包括如下步骤：构建实例语料集；构建实例对集合；对实例对集合进行预处理；基于段落向量模型Doc2vec和词向量模型Word2vec生成实例对的特征向量；基于训练集实例对训练双向长短期记忆-卷积神经网络模型；利用经过训练的双向长短期记忆-卷积神经网络模型对测试集实例对进行实例对齐判别，输出实例对齐结果。本发明将实例对齐问题转换为分类问题，通过双向长短期记忆-卷积神经网络模型判别实例对齐，提高了实例对齐的识别性能，在信息检索、问答系统、意见挖掘等领域具有广阔的应用前景。
-
公开(公告)号：CN110147452B
公开(公告)日：2022-03-01
申请号：CN201910410332.X
申请日：2019-05-17
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于层级BERT神经网络的粗粒度情感分析方法，属于Web挖掘和智能信息处理技术领域；包括以下步骤：语料获取：获取粗粒度情感分析的语料；语料预处理：包括字符清理、从句切分以及从句向量构建；构建句子向量：利用双向长短期记忆网络、多层感知机和注意力机制对从句向量进行计算生成句子向量；梯度协调机制优化：引入梯度协调机制解决粗粒度情感分析中数据类别不平衡问题；采用层级BERT神经网络进行粗粒度情感分析。对比现有技术，本发明通过层级BERT神经网络对评论文本进行包含深层语义信息的句子向量的构建，提高了粗粒度情感分析任务的准确性，在信息推荐、舆情监控等领域具有广阔的应用前景。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
