公开(公告)号：CN111814469B

公开(公告)日：2023-07-18

申请号：CN202010669942.4

申请日：2020-07-13

Applicant: 北京邮电大学

Inventor： 石川 ,  胡琳梅 ,  杨天持

IPC: G06F40/289 ,  G06F40/211 ,  G06F40/126 ,  G06F16/31 ,  G06F16/36

Abstract: 本发明实施例提供了一种基于树型胶囊网络的关系抽取方法及装置，涉及文字处理领域，可以提高关系抽取的准确性。本发明实施例的技术方案包括：利用序列编码器编码待识别文本中的各词语，得到词向量矩阵，其中，词向量矩阵包括对每个词语编码后得到的词向量。然后拼接待识别文本中的两个指定实体的嵌入表示，与待识别文本的嵌入表示，作为序列句嵌入表示。并利用树型胶囊网络，对待识别文本的短语结构树进行编码，得到结构句嵌入表示，短语结构树用于表示待识别文本的句法结构，短语结构树的每个叶子节点对应待识别文本的一个词语。再根据序列句嵌入表示和结构句嵌入表示，确定两个指定实体之间的关系类别。

公开(公告)号：CN110704626A

公开(公告)日：2020-01-17

申请号：CN201910945503.9

申请日：2019-09-30

Applicant: 北京邮电大学

Inventor： 石川 ,  胡琳梅 ,  杨天持

IPC: G06F16/35 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种用于短文本的分类方法及装置，该方法在对待分类短文本进行分类时，根据从待分类短文本中获取的实体和所述主题分别与待分类短文本的所属关系，构建文本异质图，并将构建的文本异质图输入至预设的文本分类模型中，得到所述待分类短文本的分类结果，应用本发明实施例构建的文本异质图能够捕捉待分类短文本中的语义关系，且对异质图卷积神经网络训练时无需太多的标注数据，使得训练后的文本分类模型对短文本分类时的准确率更高，可见，应用本实施例提供的方法能够提高对短文本分类的准确率。

公开(公告)号：CN110704626B

公开(公告)日：2022-07-22

申请号：CN201910945503.9

申请日：2019-09-30

Applicant: 北京邮电大学

Inventor： 石川 ,  胡琳梅 ,  杨天持

IPC: G06F16/35 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种用于短文本的分类方法及装置，该方法在对待分类短文本进行分类时，根据从待分类短文本中获取的实体和所述主题分别与待分类短文本的所属关系，构建文本异质图，并将构建的文本异质图输入至预设的文本分类模型中，得到所述待分类短文本的分类结果，应用本发明实施例构建的文本异质图能够捕捉待分类短文本中的语义关系，且对异质图卷积神经网络训练时无需太多的标注数据，使得训练后的文本分类模型对短文本分类时的准确率更高，可见，应用本实施例提供的方法能够提高对短文本分类的准确率。

公开(公告)号：CN115659990A

公开(公告)日：2023-01-31

申请号：CN202211386860.4

申请日：2022-11-07

Applicant: 北京邮电大学 ,  中国烟草总公司郑州烟草研究院

Inventor： 郝燕如 ,  肖丁 ,  王锐 ,  石川 ,  杨天持

IPC: G06F40/30 ,  G06F40/242 ,  G06F16/35 ,  G06F40/289 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/0464

Abstract: 本发明提供烟草情感分析方法、装置及介质，所述方法包括构建烟草情感分析模型；训练上述烟草情感分析模型；将预分析的文本输入训练后的烟草情感分析模型，获得所述文本的情感极性，所述情感极性包括正向、中性和负向。本发明能够准确有效的预测烟草领域用户评论的情感极性。

公开(公告)号：CN114611621A

公开(公告)日：2022-06-10

申请号：CN202210266293.2

申请日：2022-03-17

Applicant: 北京邮电大学

Inventor： 石川 ,  杨成 ,  杨天持

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力超图神经网络的协同聚类方法，包括以下步骤：S1、构建一个超图来对完整交互进行建模，其中每个完整交互都表示为一条连接了所有相关对象的超边；S2、设计一个注意力超图神经网络来显式地学习完整交互的表示，同时通过注意力机制选择相关的关键属性以作为解释，所述的注意力机制通过显著性方法来指导；S3、对完整交互和相应的属性选择分布进行协同聚类，以实现基于聚类的一致性。与现有方法对比，本发明对完整交互进行了更全面的建模和表示，并且直接针对交互本身进行聚类分析，而不是对交互中的对象进行聚类分析，因此可以发现更全面的交互模式，此外，本发明还通过考虑两个一致性，进一步提高了聚类性能和可解释性。

公开(公告)号：CN111814469A

公开(公告)日：2020-10-23

申请号：CN202010669942.4

申请日：2020-07-13

Applicant: 北京邮电大学

Inventor： 石川 ,  胡琳梅 ,  杨天持

IPC: G06F40/289 ,  G06F40/211 ,  G06F40/126 ,  G06F16/31 ,  G06F16/36

Abstract: 本发明实施例提供了一种基于树型胶囊网络的关系抽取方法及装置，涉及文字处理领域，可以提高关系抽取的准确性。本发明实施例的技术方案包括：利用序列编码器编码待识别文本中的各词语，得到词向量矩阵，其中，词向量矩阵包括对每个词语编码后得到的词向量。然后拼接待识别文本中的两个指定实体的嵌入表示，与待识别文本的嵌入表示，作为序列句嵌入表示。并利用树型胶囊网络，对待识别文本的短语结构树进行编码，得到结构句嵌入表示，短语结构树用于表示待识别文本的句法结构，短语结构树的每个叶子节点对应待识别文本的一个词语。再根据序列句嵌入表示和结构句嵌入表示，确定两个指定实体之间的关系类别。