公开(公告)号：CN113869058A

公开(公告)日：2021-12-31

申请号：CN202111008997.1

申请日：2021-08-31

Applicant: 合肥工业大学

Inventor： 余本功 ,  张书文 ,  罗贺 ,  杨颖 ,  张强 ,  谢星雨 ,  宋宇婷 ,  杨善林 ,  丁帅

IPC: G06F40/30 ,  G06F40/284 ,  G06F40/211 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于LC‑GCN方面级情感分析方法、系统、存储介质和电子设备，涉及方面级情感分析技术领域。本发明提出的上下文动态赋权方法，增强了特征提取过程对局部上下文的关注度；构建了融合了上下文句法特征和局部上下文语义信息的邻接图；采用多层图卷积网络(GCN)的方式不断提取聚焦于局部上下文的方面词特征，保证方面词特征矩阵融合局部上下文信息，实现更加准确地挖掘评论文本的各方面情感。

公开(公告)号：CN114357167B

公开(公告)日：2024-07-16

申请号：CN202111668305.6

申请日：2021-12-30

Applicant: 合肥工业大学

Inventor： 余本功 ,  宋宇婷 ,  杨善林 ,  张强 ,  周开乐 ,  张书文 ,  谢星雨 ,  罗贺 ,  丁帅

IPC: G06F16/35 ,  G06F18/25 ,  G06F40/211 ,  G06F40/284 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明提供一种基于Bi‑LSTM‑GCN的多标签文本分类方法、系统、存储介质和电子设备，涉及文本分类领域。本发明实施例分别利用Bi‑LSTM提取文本特征，综合考虑了不同粒度的信息；利用GCN提取标签隐层关系，并结合注意力的思想，捕获句子中对分类效果提高更有效的重要词汇；融合含有全局特征的句级特征用于标签预测；最终获得更加全面的特征信息从而提高多标签分类效果。

公开(公告)号：CN113869058B

公开(公告)日：2024-07-12

申请号：CN202111008997.1

申请日：2021-08-31

Applicant: 合肥工业大学

Inventor： 余本功 ,  张书文 ,  罗贺 ,  杨颖 ,  张强 ,  谢星雨 ,  宋宇婷 ,  杨善林 ,  丁帅

IPC: G06F40/30 ,  G06F40/284 ,  G06F40/211 ,  G06F16/35 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明提供一种基于LC‑GCN方面级情感分析方法、系统、存储介质和电子设备，涉及方面级情感分析技术领域。本发明提出的上下文动态赋权方法，增强了特征提取过程对局部上下文的关注度；构建了融合了上下文句法特征和局部上下文语义信息的邻接图；采用多层图卷积网络(GCN)的方式不断提取聚焦于局部上下文的方面词特征，保证方面词特征矩阵融合局部上下文信息，实现更加准确地挖掘评论文本的各方面情感。

公开(公告)号：CN114357167A

公开(公告)日：2022-04-15

申请号：CN202111668305.6

申请日：2021-12-30

Applicant: 合肥工业大学

Inventor： 余本功 ,  宋宇婷 ,  杨善林 ,  张强 ,  周开乐 ,  张书文 ,  谢星雨 ,  罗贺 ,  丁帅

IPC: G06F16/35 ,  G06K9/62 ,  G06F40/211 ,  G06F40/284 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于Bi‑LSTM‑GCN的多标签文本分类方法、系统、存储介质和电子设备，涉及文本分类领域。本发明实施例分别利用Bi‑LSTM提取文本特征，综合考虑了不同粒度的信息；利用GCN提取标签隐层关系，并结合注意力的思想，捕获句子中对分类效果提高更有效的重要词汇；融合含有全局特征的句级特征用于标签预测；最终获得更加全面的特征信息从而提高多标签分类效果。