-
公开(公告)号：CN113627195B
公开(公告)日：2022-01-18
申请号：CN202111195660.6
申请日：2021-10-14
Applicant: 华东交通大学
Abstract: 本发明提出一种基于层次Transformer和图神经网络的评论情感分析方法与系统，首先基于层次Transformer网络学习用户、产品与评论文档的初步语义向量表示；基于初步语义向量表示计算用户之间、产品之间和评论文档之间的相似度，用于构建用户—产品—评论文档关系图；基于图神经网络利用用户—产品—评论文档关系图的结构信息，进一步优化用户、产品以及评论文档的初步语义向量表示，以得到用户、产品和评论文档的最终语义向量表示，根据最终语义向量表示计算得到最终预测结果。本发明可显式地学习用户和产品的语义向量表示，并显式地建模相似用户之间，相似产品之间和相似评论之间的联系，可实现良好的预测效果并提高运算效率。
-
Patent Agency Ranking
公开(公告)号：CN111538841B
公开(公告)日：2020-10-16
申请号：CN202010654137.4
申请日：2020-07-09
Applicant: 华东交通大学
IPC: G06F16/35 , G06F40/205 , G06F40/126 , G06N3/04
Abstract: 本发明提出一种基于知识互蒸馏的评论情感分析方法、装置及系统，所述方法包括：从训练数据集中确定一当前训练实例，基于第一分类器计算得到第一情感预测结果；基于第二分类器计算得到第二情感预测结果，基于第三分类器计算得到第三情感预测结果；根据第一、第二、第三情感预测结果以及真实类别标记，分别计算三个分类器各自对应的总体代价函数并对各总体代价函数进行最小化处理，以对各分类器进行参数迭代更新实现最终收敛。本发明中的三个分类器基于知识互蒸馏的方法互相学习、共同提高，同时利用用户和产品两种属性对评论文本情感的共同影响以及各自的单独影响，从实质上提高不同场合下评论情感分析的性能。
-
公开(公告)号：CN111538841A
公开(公告)日：2020-08-14
申请号：CN202010654137.4
申请日：2020-07-09
Applicant: 华东交通大学
IPC: G06F16/35 , G06F40/205 , G06F40/126 , G06N3/04
Abstract: 本发明提出一种基于知识互蒸馏的评论情感分析方法、装置及系统，所述方法包括：从训练数据集中确定一当前训练实例，基于第一分类器计算得到第一情感预测结果；基于第二分类器计算得到第二情感预测结果，基于第三分类器计算得到第三情感预测结果；根据第一、第二、第三情感预测结果以及真实类别标记，分别计算三个分类器各自对应的总体代价函数并对各总体代价函数进行最小化处理，以对各分类器进行参数迭代更新实现最终收敛。本发明中的三个分类器基于知识互蒸馏的方法互相学习、共同提高，同时利用用户和产品两种属性对评论文本情感的共同影响以及各自的单独影响，从实质上提高不同场合下评论情感分析的性能。
-
公开(公告)号：CN110633473A
公开(公告)日：2019-12-31
申请号：CN201910909002.5
申请日：2019-09-25
Applicant: 华东交通大学
Abstract: 本发明涉及一种基于条件随机场的隐式篇章关系识别方法及系统，该方法包括如下步骤：将接收到的语句进行编码以得到词向量序列；对词向量序列中第一语句与第二语句之间的篇章关系进行特征提取以得到多个不同级别的特征向量；根据多个不同级别的特征向量，计算得到多个篇章关系分类对应的初步结果数据；提供用于编码相邻篇章关系之间映射信息的转移矩阵，根据转移矩阵以及初步结果数据计算得到任一篇章关系序列得分，并根据篇章关系序列得分计算得到任一篇章关系序列对应的条件概率。本发明充分利用多级篇章关系之间存在的映射关系，有效提高各个级别分类的性能，也可有效减少在多个级别的分类任务上出现矛盾的预测结果的情况。
-
公开(公告)号：CN110633473B
公开(公告)日：2022-11-08
申请号：CN201910909002.5
申请日：2019-09-25
Applicant: 华东交通大学
IPC: G06F40/253 , G06F40/211 , G06F40/216 , G06F40/289 , G06F16/35
Abstract: 本发明涉及一种基于条件随机场的隐式篇章关系识别方法及系统，该方法包括如下步骤：将接收到的语句进行编码以得到词向量序列；对词向量序列中第一语句与第二语句之间的篇章关系进行特征提取以得到多个不同级别的特征向量；根据多个不同级别的特征向量，计算得到多个篇章关系分类对应的初步结果数据；提供用于编码相邻篇章关系之间映射信息的转移矩阵，根据转移矩阵以及初步结果数据计算得到任一篇章关系序列得分，并根据篇章关系序列得分计算得到任一篇章关系序列对应的条件概率。本发明充分利用多级篇章关系之间存在的映射关系，有效提高各个级别分类的性能，也可有效减少在多个级别的分类任务上出现矛盾的预测结果的情况。
-
公开(公告)号：CN113627195A
公开(公告)日：2021-11-09
申请号：CN202111195660.6
申请日：2021-10-14
Applicant: 华东交通大学
Abstract: 本发明提出一种基于层次Transformer和图神经网络的评论情感分析方法与系统，首先基于层次Transformer网络学习用户、产品与评论文档的初步语义向量表示；基于初步语义向量表示计算用户之间、产品之间和评论文档之间的相似度，用于构建用户—产品—评论文档关系图；基于图神经网络利用用户—产品—评论文档关系图的结构信息，进一步优化用户、产品以及评论文档的初步语义向量表示，以得到用户、产品和评论文档的最终语义向量表示，根据最终语义向量表示计算得到最终预测结果。本发明可显式地学习用户和产品的语义向量表示，并显式地建模相似用户之间，相似产品之间和相似评论之间的联系，可实现良好的预测效果并提高运算效率。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
