一种基于图神经网络的碳交易文本事件抽取方法

    公开(公告)号:CN114637827A

    公开(公告)日:2022-06-17

    申请号:CN202111471323.5

    申请日:2021-12-04

    Abstract: 本发明公开了一种基于图神经网络的碳交易事件抽取方法,属于自然语言处理技术领域。本发明首先定向爬取中文碳交易文本,对文本进行清洗和预处理,获取相应的数据集;然后通过预处理模型BERT和BiGRU网络,融合词性特征,提取长距离语义信息,获得词级特征和句级特征;再者,通过CRF模型提取句子中的候选触发词和候选论元;然后基于候选事件元素构建图神经网络节点,根据句级特征相似度构建图神经网络边,加入多头注意力机制,通过图神经网络学习事件触发词和事件论元的依赖关系;最后基于全连接层和Sigmoid层分类事件候选元素。本发明针对中国新兴的碳交易市场的非结构化信息,可理解深层语义信息,关注句子中重要的词,有效提取结构化的碳交易事件信息。

    一种基于BERT-TextCNN的外卖评论分类方法

    公开(公告)号:CN115659972A

    公开(公告)日:2023-01-31

    申请号:CN202211368446.0

    申请日:2022-11-03

    Abstract: 针对线上外卖平台评论文本,本发明设计了一种基于BERT‑TextCNN的外卖评论分类方法。现有的针对外卖评论文本的极性判别多倾向于总体情感倾向判别,而忽略了对于食品不同特征的情感倾向分类。因此,本发明利用BERT做词嵌入处理,将BERT模型训练所获得词向量矩阵通过Text‑CNN网络对文本进行长距离编码。本发明首次将BERT‑TextCNN网络用作多特征文本分类,处理中文外卖评论文本一类的多属性评价。在Text‑CNN网络的卷积和池化模块,本发明加入了降维卷积模块注意力机制(CBAM)对模型做优化处理,这也是首次将CBAM应用于一维文本处理,可以有效提升分类准确率。通过上述模型,可以有效判别外卖评论中的不同主题并分析相关特征评价的情感极性,实现基于用户评论的多特征情感极性分析。

    一种基于改进SiamFC的单目标交通标志跟踪方法

    公开(公告)号:CN114639082A

    公开(公告)日:2022-06-17

    申请号:CN202111471304.2

    申请日:2021-12-04

    Abstract: 本发明公开了一种基于改进SiamFC的单目标交通标志跟踪方法。该发明在多分辨率单目标检测方向上有一定的通用性,该专利以交通标志跟踪为说明案例,交通标志的跟踪采集易存在光照不均、模糊等影响。针对单目标跟踪问题,将SiamFC算法中的骨干网络由AlexNet变为ResNet‑50,以孪生网络(siamFC)为基础,引入多分辨率在线选择分支方法,加入分类和回归分支,优化单目标跟踪中遇到的形变、尺度变化等相关问题,使跟踪过程中更加准确,并且通过不同的数据集对实验数据进行整理及研究,最终实现了单目标跟踪算法,该算法可以在复杂的背景环境下跟踪单目标对象且在目标对象发生较大位移或者遮挡时依然取得了较好的效果。

Patent Agency Ranking