公开(公告)号：CN109670172A

公开(公告)日：2019-04-23

申请号：CN201811486378.1

申请日：2018-12-06

Applicant: 桂林电子科技大学

Inventor： 罗笑南 ,  贺昭荣 ,  钟艳如 ,  李芳 ,  汪华登

IPC: G06F17/27 ,  G06K9/62

Abstract: 本发明公开了一种基于复合神经网络的景区异常事件抽取方法，该方法是对获取的事件原始文本语料进行数据预处理，事件句转换为词向量，将其序列传入到双向长短时记忆网络，利用双向长短时记忆网络来训练得到每个候选触发词的语义特征；再将以词向量表示的事件句序列传入到卷积神经网络中，利用卷积神经网络训练得到候选触发词所在事件句的全局特征；通过综合候选触发词的语义特征与候选触发词所在句子的全局特征，利用softmax作为分类器来对每个候选触发词进行分类，从而找出景区异常事件的触发词，并根据人工标注的触发词类型来将事件类型分类。本发明能够快速准确的抽取景区异常事件，处理繁复冗杂文本中的异常事件，效率高且泛用性佳。

公开(公告)号：CN111950297A

公开(公告)日：2020-11-17

申请号：CN202010867283.5

申请日：2020-08-26

Applicant: 桂林电子科技大学

Inventor： 钟艳如 ,  贺昭荣 ,  赵蕾先 ,  汪先登 ,  李芳 ,  罗笑南

IPC: G06F40/30 ,  G06N3/04 ,  G06K9/62 ,  G06F40/295 ,  G06Q10/04

Abstract: 本发明公开了一种面向异常事件的关系抽取方法，该方法是先对突发事件相关的实体关系数据集按照结构化三元组形式进行整理，并将相关领域语句转为向量化表示；然后使用双向长短期记忆网络结合自注意力机制构建共享编码层；使用softmax函数对主实体的标注进行预测，使用卷积神经网络对关系-客实体进行共享编码，并通过主实体的预测结果增强编码表示；再次使用自注意力机制对训练参数进行优化。本发明可很好的处理突发事件文本中多对实体和关系类别的冲突问题，能提高该领域内文本实体关系的抽取质量。

公开(公告)号：CN111950717B

公开(公告)日：2022-07-19

申请号：CN202010881063.8

申请日：2020-08-27

Applicant: 桂林电子科技大学

Inventor： 钟艳如 ,  赵蕾先 ,  贺昭荣 ,  高宏 ,  罗笑南

IPC: G06N3/04 ,  G06K9/62 ,  G06F40/30 ,  G06F16/951 ,  G06F16/35 ,  G06F16/215

Abstract: 本发明公开了一种基于神经网络的舆情量化方法，步骤为：1）利用爬虫技术采集用户在社交平台上的舆论文本数据，将采集的数据以文本形式存储于数据库中；2）对收集的舆论文本数据进行数据预处理；3）根据预处理后的数据，构建舆论分析数据集；4）构建网络模型，利用舆论分析数据集中的舆论文字和所关联因素数据对网络模型进行训练；5）利用训练好的网络模型对舆论文本进行量化；该方法可以通过神经网络的方式对符号化文本进行量化，并且采用了多特征碎片的权重计算来确定各类因素的影响权重。较传统方法而言，该方法更加灵活，鲁棒性更强，从社会经济来看，该方法可以紧抓热点，跟随数据量的增大而更加客观理性，更加符合舆情实际结果。

公开(公告)号：CN111950717A

公开(公告)日：2020-11-17

申请号：CN202010881063.8

申请日：2020-08-27

Applicant: 桂林电子科技大学

Inventor： 钟艳如 ,  赵蕾先 ,  贺昭荣 ,  高宏 ,  罗笑南

IPC: G06N3/04 ,  G06K9/62 ,  G06F40/30 ,  G06F16/951 ,  G06F16/35 ,  G06F16/215

Abstract: 本发明公开了一种基于神经网络的舆情量化方法，步骤为：1）利用爬虫技术采集用户在社交平台上的舆论文本数据，将采集的数据以文本形式存储于数据库中；2）对收集的舆论文本数据进行数据预处理；3）根据预处理后的数据，构建舆论分析数据集；4）构建网络模型，利用舆论分析数据集中的舆论文字和所关联因素数据对网络模型进行训练；5）利用训练好的网络模型对舆论文本进行量化；该方法可以通过神经网络的方式对符号化文本进行量化，并且采用了多特征碎片的权重计算来确定各类因素的影响权重。较传统方法而言，该方法更加灵活，鲁棒性更强，从社会经济来看，该方法可以紧抓热点，跟随数据量的增大而更加客观理性，更加符合舆情实际结果。

公开(公告)号：CN111930893A

公开(公告)日：2020-11-13

申请号：CN202010806519.4

申请日：2020-08-12

Applicant: 桂林电子科技大学

Inventor： 钟艳如 ,  贺昭荣 ,  罗笑南 ,  汪华登 ,  李芳

IPC: G06F16/33 ,  G06F16/36 ,  G06F16/35 ,  G06F40/295 ,  G06F40/30

Abstract: 本发明公开了一种面向景区异常事件的知识图谱构建方法，包括以下几大步骤：搜集相关的互联网文档数据，审查文档数据的质量以决定更进一步的整理工作；抽取出所收集的数据中的异常事件的实体和关系，用特定的匹配方法将各个实体用关系连接；然后将抽取的实体进行聚类分为多个实体簇，从而构建出异常事件知识图谱的模式层；对实体簇中的每个实体进行划分，构建单独的子图谱；在最后将已有的子图谱进行合并，组成完整的基于异常事件的知识图谱。本发明将知识图谱与景区异常事件相结合，可以对景区异常事件的相关信息进行详细快速的整理，更好的选取异常事件的应对措施，本发明可很好的处理知识图谱中实体关系的复杂性，提高知识图谱的数据获取效率和构建质量。