公开(公告)号：CN117171610A

公开(公告)日：2023-12-05

申请号：CN202310973778.X

申请日：2023-08-03

Applicant: 江南大学

Inventor： 方伟 ,  聂玮 ,  陆恒杨 ,  朱书伟 ,  张欣 ,  孙俊 ,  吴小俊

IPC: G06F18/24 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/045 ,  G06N3/098

Abstract: 本发明公开了一种基于知识增强的方面情感三元组提取方法及系统，属于自然语言处理技术领域。所述方法首先将常识性的情感知识整合到图卷积网络中，融合了丰富的语法信息和常识性情感信息，有利于模型学习到上下文特征以及情感特征。除此之外，针对评论句子存在语法不敏感的问题，本发明使用一种基于正交损失的自注意力机制捕捉到句子中每个词的语义相关词，这比句法结构更灵活，并且该机制可以适应对语法信息不敏感的评论句子。实验结果表明，相比于现有的基线方法，本发明所提出模型具有更好的效果。

公开(公告)号：CN117171610B

公开(公告)日：2024-05-03

申请号：CN202310973778.X

申请日：2023-08-03

Applicant: 江南大学

Inventor： 方伟 ,  聂玮 ,  陆恒杨 ,  朱书伟 ,  张欣 ,  孙俊 ,  吴小俊

IPC: G06F18/24 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/045 ,  G06N3/098

Abstract: 本发明公开了一种基于知识增强的方面情感三元组提取方法及系统，属于自然语言处理技术领域。所述方法首先将常识性的情感知识整合到图卷积网络中，融合了丰富的语法信息和常识性情感信息，有利于模型学习到上下文特征以及情感特征。除此之外，针对评论句子存在语法不敏感的问题，本发明使用一种基于正交损失的自注意力机制捕捉到句子中每个词的语义相关词，这比句法结构更灵活，并且该机制可以适应对语法信息不敏感的评论句子。实验结果表明，相比于现有的基线方法，本发明所提出模型具有更好的效果。

公开(公告)号：CN113127643A

公开(公告)日：2021-07-16

申请号：CN202110513220.4

申请日：2021-05-11

Applicant: 江南大学

Inventor： 陆恒杨 ,  聂玮 ,  方伟

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

Abstract: 本发明涉及一种融合微博主题及评论的深度学习谣言检测方法。本发明包括：将微博正文的词序列表示形式经过序列embedding得到向量表示；将其与微博正文的词袋模型形式输入到TMN结构中得到融合了主题信息的微博正文特征；提取相应微博评论的语义特征；将融合了主题信息的微博正文特征与微博评论的语义表示联合训练分类器。本发明通过融合潜在主题和相应评论来训练谣言检测模型，使用该模式可判断微博是否属于谣言，无需人工处理；本发明所提出的TopCom模型融合了潜在主题和评论的优点，在基于微博的谣言检测任务中取得了良好的性能。

公开(公告)号：CN114297390B

公开(公告)日：2024-04-02

申请号：CN202111681644.8

申请日：2021-12-30

Applicant: 江南大学

Inventor： 陆恒杨 ,  方伟 ,  聂玮 ,  孙俊 ,  吴小俊

IPC: G06F16/35 ,  G06F40/30 ,  G06F40/284 ,  G06F18/214 ,  G06F18/2415 ,  G06F18/2431 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了一种长尾分布场景下的方面类别识别方法及系统，属于自然语言处理技术领域。本发明的方法基于一种在长尾分布场景下的的方面类别识别系统，该系统聚焦数据长尾分布特点，首先得到句子细粒度方面特征向量，提供额外的上下文方面级语义信息；然后加入一种基于长尾分布的融合上下文方面级语义信息的注意力机制，加强模型捕捉与方面类别最相关的信息的能力，同时提出一种改进的分布平衡损失函数缓解长尾多标签文本分类任务中的标签共现以及负类优势的问题，有效地提升了具有长尾分布特点的方面类别识别效果。

公开(公告)号：CN114297390A

公开(公告)日：2022-04-08

申请号：CN202111681644.8

申请日：2021-12-30

Applicant: 江南大学

Inventor： 陆恒杨 ,  方伟 ,  聂玮 ,  孙俊 ,  吴小俊

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

Abstract: 本发明公开了一种长尾分布场景下的方面类别识别方法及系统，属于自然语言处理技术领域。本发明的方法基于一种在长尾分布场景下的的方面类别识别系统，该系统聚焦数据长尾分布特点，首先得到句子细粒度方面特征向量，提供额外的上下文方面级语义信息；然后加入一种基于长尾分布的融合上下文方面级语义信息的注意力机制，加强模型捕捉与方面类别最相关的信息的能力，同时提出一种改进的分布平衡损失函数缓解长尾多标签文本分类任务中的标签共现以及负类优势的问题，有效地提升了具有长尾分布特点的方面类别识别效果。