-
公开(公告)号：CN112862015A
公开(公告)日：2021-05-28
申请号：CN202110356414.8
申请日：2021-04-01
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于超图神经网络的论文分类方法及系统。该方法包括：获取向量数据X＝[x1,x2,…,x|v|]；其中，向量数据为目标论文的特征向量，|v|为目标论文作者的数量，x1,x2,x|v|表示目标论文的不同作者；将向量数据输入经训练的超图神经网络模型，得到分类结果，分类结果表示目标论文的类别；其中，超图神经网络模型包括依次连接的若干超图卷积‑池化网络模块和分类模块，超图卷积‑池化网络模块包括超图卷积层和与超图卷积层的输出连接的池化层；超图神经网络模型的训练样本为特征向量样本，标签为论文样本的类别，特征向量样本为由论文样本的作者构成的向量数据。本发明提高了论文分类的效率，同时保障了准确度。
-
公开(公告)号：CN115238075B
公开(公告)日：2023-04-07
申请号：CN202210912341.0
申请日：2022-07-30
Applicant: 北京理工大学
Abstract: 本发明公开了基于超图池化的文本情感分类方法，将文本数据转化为文本超图，然后输入到超图模型中；超图模型设置有三个模块，每个模块均分为卷积层、池化层和读出层，且前一个模块输出的超图数据输入到后一个模块继续计算；超图卷积层通过超图卷积更新节点特征；超图池化层通过多层感知器线性变换得到节点重要度评分，并通过PageRank算法得到超边重要度评分，然后根据综合得分过滤节点；超图读出层读取每个维度节点特征的最大值和平均值，并进行求和；最后，将三个模块的读出层数值求和得到最终的文本超图特征表示，然后送入线性层进行文本情感分类。本发明采用上述文本情感分类方法，能够得到准确的文本情感信息，在情感分类任务中得到良好的表现效果。
-
公开(公告)号：CN115238075A
公开(公告)日：2022-10-25
申请号：CN202210912341.0
申请日：2022-07-30
Applicant: 北京理工大学
Abstract: 本发明公开了基于超图池化的文本情感分类方法，将文本数据转化为文本超图，然后输入到超图模型中；超图模型设置有三个模块，每个模块均分为卷积层、池化层和读出层，且前一个模块输出的超图数据输入到后一个模块继续计算；超图卷积层通过超图卷积更新节点特征；超图池化层通过多层感知器线性变换得到节点重要度评分，并通过PageRank算法得到超边重要度评分，然后根据综合得分过滤节点；超图读出层读取每个维度节点特征的最大值和平均值，并进行求和；最后，将三个模块的读出层数值求和得到最终的文本超图特征表示，然后送入线性层进行文本情感分类。本发明采用上述文本情感分类方法，能够得到准确的文本情感信息，在情感分类任务中得到良好的表现效果。
-
-
Search Results
3
records
(took 0.014 seconds)
