基于BAGCNN模型的方面级别情感分析方法和系统

    公开(公告)号:CN113553831B

    公开(公告)日:2024-09-27

    申请号:CN202110651397.0

    申请日:2021-06-10

    Abstract: 本发明提供一种基于BAGCNN模型的方面级别情感分析方法、系统、存储介质和电子设备,涉及情感分析技术领域。本发明将评论文本序列输入词嵌入层中,基于预先训练的词嵌入模型获取上下文词嵌入矩阵和方面词特征矩阵;将上下文词嵌入矩阵输入注意力自编码层中,基于多头注意力机制,获取关联上下文特征矩阵;将关联上下文特征矩阵输入门控卷积层,采用多种尺寸的卷积核并行计算卷积结果,结合方面词特征矩阵,获取最终的特征矩阵;将最终的特征矩阵输入输出层,基于预先训练的分类器获取对应方面词情感类别的概率值,确定情感类别。在词嵌入过程中将上下文与方面词信息融合,不需要复杂的下游结构提取特征,实现更加准确地挖掘评论文本的各方面真实情感。

    基于One2MultiSeq训练范式和预训练模型BART的关键词生成方法和系统

    公开(公告)号:CN116882394A

    公开(公告)日:2023-10-13

    申请号:CN202310855144.4

    申请日:2023-07-12

    Abstract: 本发明提供一种基于One2MultiSeq训练范式和预训练模型BART的关键词生成方法、系统、存储介质和电子设备,涉及自然语言处理技术领域。本发明提出One2MultiSeq范式,兼顾存在的关键词和缺失的关键词,构建两条关键词顺序完全相反的关键词序列,并用于模型训练;能够减轻关键词顺序对模型的影响,提升模型对缺失关键词的关注度,从而提升模型效果。此外,为了解决现有模型文本建模能力较差的问题,以预训练模型BART来作为基础架构,并为BART引入了复制机制,组成CopyBART,进一步提升了模型效果。对于多模态的信息,本发明实施例采用了一种简单而有效的方法进行模态之间的对齐,实验证明所提出的模态对齐非常有效。

    基于多粒度建模的半监督文本分类方法和系统

    公开(公告)号:CN112214597B

    公开(公告)日:2022-09-06

    申请号:CN202011004053.2

    申请日:2020-09-22

    Abstract: 本发明提供一种基于多粒度建模的半监督文本分类方法和系统,涉及数据处理技术和机器学习技术领域。本发明使用多粒度的文本建模方式形成三通道的文本向量模型层,分别从字符级、词语级、句子级三个级别对同一文本进行文本建模,再将三个级别的建模分别作为三个通道,并将三个通道的输出输入给三个基分类器组,在不损失样本或者特征的情况下获得样本之间的分歧,取代了传统的重采样与随机子空间方法;同时,九个基分类器集成为三个基分类器组的设计,集成了不同基分类器的优点,使用不同的基分类器获取相同样本的不同特征,获得基分类器之间的分歧,从而有效提高了半监督文本分类方法的分类结果准确度。

    基于SFM-DCNN的层次特征文本分类方法和系统

    公开(公告)号:CN111400492B

    公开(公告)日:2022-08-19

    申请号:CN202010097431.X

    申请日:2020-02-17

    Abstract: 本发明提供一种基于SFM‑DCNN的层次特征文本分类方法和系统,涉及文本分类领域。本发明在特征选择阶段,使用语义特征句向量来表示待分类文本,语义特征句向量能够高效捕获上下文语义联系、空间信息和位置信息等多种语义信息,并将获取的信息进行强化,能够捕获高级的全局语义信息,从而能够有效的提高文本分类的准确率;在特征获取阶段,采用多通道层次特征,能够在获得关键特征的同时进行多层次特征获取,对特征起到强化作用,有效减少了特征的丢失,从而进一步提高文本分类的准确率。

    融合句法信息的GCN-RN方面级情感分析方法和系统

    公开(公告)号:CN114579741A

    公开(公告)日:2022-06-03

    申请号:CN202210095137.4

    申请日:2022-01-26

    Abstract: 本发明提供一种融合句法信息的GCN‑RN方面级情感分析方法和系统,涉及情感分析领域。本发明构建了GCN‑RN模型,包括词嵌入层、隐层、特征提取层和输出层;将待分析文本输入词嵌入层,获取待分析文本的向量表示;将向量表示输入隐层,采用LSTM获取对应的隐层状态;将预先构建的邻接矩阵和方面词距离权重矩阵、隐层状态输入特征提取层的第一个图卷积残差块的GCN层,获取输出向量;将隐层状态和输出向量进行残差连接,并输入下一个图卷积残差块,最终获取文本特征表示;将文本特征表示输入输出层,获取待分析文本中方面词的情感极性预测结果。采用LSTM学习长距离依赖信息,进行特征融合;构建句法依存树并用多个图卷积残差块提取句法信息,提升情感分类准确率。

    考虑税收减免的海外生产基地采购方案优化方法

    公开(公告)号:CN114254968A

    公开(公告)日:2022-03-29

    申请号:CN202111339025.0

    申请日:2021-11-12

    Abstract: 本发明提供一种考虑税收减免的海外生产基地采购方案优化方法、系统、存储介质和电子设备,涉及物料采购技术领域。本发明包括获取企业生产信息;根据所述企业生产信息,结合税收优惠政策要求,构建采购计划优化模型;求解所述采购计划优化模型,获取采购计划,所述采购计划用于确定制造企业海外生产基地向国内基地或者海外当地的物料购买量。通过提出上述基于风险导向的集成采购生产的优化方法,在考虑供应链中原材料采购和生产计划两个环节整合的基础上,综合考虑到多种采购成本以及税收优惠政策带来的折扣作为约束条件,生产计划问题考虑批量生产,在保证需求的前提下降低采购和运营成本。

    通信干扰下无人机协同中继网络快速重构方法和系统

    公开(公告)号:CN112039574B

    公开(公告)日:2022-03-22

    申请号:CN202010521529.3

    申请日:2020-06-10

    Abstract: 本发明提供了一种通信干扰下无人机协同中继网络快速重构方法和系统。本发明基于受到通信干扰前的中继网络T、受到通信干扰前的加权无向图G、中继网络T中出现中断故障的通信链路集合E‑;计算出未发生中断故障的通信链路Er,将E‑中的边从受到通信干扰前的加权无向图G中删除,得到新的加权无向图Gy,再降低加权无向图Gy中属于Er的边的权值,以便能够尽可能在重构的中继网络中使用原中继节点,同时基于降权后的无向图Gr重新获取n条不包含重复布置点的最短路径,将选取的n条最短路径组合得到重构后的中继网络,并将各个中继布置点对应的可用无人机作为中继无人机,实现中继网络在受通信干扰后的快速重构。

    结合多层级注意力机制的深度学习问题分类方法及系统

    公开(公告)号:CN108804677B

    公开(公告)日:2021-08-31

    申请号:CN201810599036.4

    申请日:2018-06-12

    Abstract: 本发明公开了一种结合多层级注意力机制的深度学习问题分类方法,涉及信息处理技术领域,该深度学习问题分类方法包括:构建疑问词向量集合,该疑问词向量集合包括疑问词向量和包含了疑问词信息的普通词向量;根据疑问词向量集合,采用卷积运算提取问句的窗口映射;根据窗口映射,提取问句的时序特征;根据时序特征,将问句分类。该方法强化了问句中的疑问词的语义信息,并通过深度学习中的注意力机制将卷积神经网络和长短时记忆模型进行融合,有效提升了问题分类的精度。

    空地协同下的交通巡逻业务管控方法、系统和存储介质

    公开(公告)号:CN112349092A

    公开(公告)日:2021-02-09

    申请号:CN202011004043.9

    申请日:2020-09-22

    Abstract: 本发明提供一种空地协同下的交通巡逻业务管控方法、系统和存储介质,涉及交通巡逻领域。包括以下步骤:统计交通巡逻业务需求并将转换成交通巡逻任务;结合交通巡逻资源数据对交通巡逻任务进行匹配,得到警员交通巡逻任务、警车交通巡逻任务和无人机交通巡逻任务;将三种任务分别进行分配;若无人机交通巡逻任务没有全部执行完成,则将未执行的无人机交通巡逻任务进行重规划,将重规划的无人机交通巡逻任务作为新的交通巡逻任务再次进行分类并执行,直到所有的交通巡逻任务全部执行完成。本发明进行交通巡逻时的可以提高业务效率。

Patent Agency Ranking