公开(公告)号：CN116579347A

公开(公告)日：2023-08-11

申请号：CN202310212288.8

申请日：2023-03-07

Applicant: 西安电子科技大学

Inventor： 李沛源 ,  权义宁 ,  江涛 ,  孙鹏岗 ,  宋建锋 ,  苗启广

IPC: G06F40/30 ,  G06F16/35 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/084

Abstract: 一种基于动态语义特征融合的评论文本情感分析方法、系统、设备及介质，其方法利用BERT预训练模型对传统词嵌入的情感语义表征能力予以补充，通过对BERT模型的微调，在任务预处理阶段充分挖掘出文本蕴含的情感语义信息，动态地对词语进行标识，表征多义词和新词的语义；另外通过双向门循环网络结构(Bi‑GRU)融合自注意力机制，得出每个情感类别对应的概率值，选取概率值最大的类别作为BERT‑BiGRU模型的最终输出结果；所述系统、设备及介质用于计算机程序被处理器执行时能够对评论文本的情感进行分析；本发明具够对评论文本中蕴含的情感极性进行较为准确的预测和分类；改善情感分类模型的性能效果。

公开(公告)号：CN116029305A

公开(公告)日：2023-04-28

申请号：CN202310212271.2

申请日：2023-03-07

Applicant: 西安电子科技大学

Inventor： 李沛源 ,  权义宁 ,  江涛 ,  孙鹏岗 ,  宋建锋 ,  苗启广

IPC: G06F40/30 ,  G06F40/289 ,  G06F16/35 ,  G06N3/047 ,  G06N3/08

Abstract: 一种基于多任务学习的中文属性级文本情感分析方法、系统、设备及介质，其方法为：使用MacBERT预训练语言模型作为面向中文的情感分析任务的上下文嵌入模块；在使用MacBERT对中文文本进行词嵌入时，能够同时对输入模型的评论文本进行属性词抽取和属性情感分类；使用句法相对距离，改进了基于词语间距的局部上下文聚焦机制；使用多头注意力机制，对属性词抽取模块产生的全局上下文特征和属性情感分类模块产生的局部上下文特征进行交互学习，构建多任务的学习框架；其系统、设备及介质能够对输入的评论文本基于多任务学习进行情感分析；本发明能够适应大规模数据集，自动提取属性词并预测属性词的情感极性，极大地降低了手动标注所有属性词及其情感极性标签的巨大成本。