公开(公告)号：CN113535904B

公开(公告)日：2022-08-09

申请号：CN202110838343.5

申请日：2021-07-23

Applicant: 重庆邮电大学

Inventor： 甘玲 ,  唐桥 ,  何鹏

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于图神经网络的方面级情感分析方法，属于数据自然语言处理领域。该方法包括：S1：特征输入：使用Bert预训练语言模型进行词向量映射，再进行一次BiLSTM层的计算，得到含有上下文语义信息表示的隐藏特征；S2：语义特征提取：采用多层的多跳注意力图神经网络MAGNA进行语义特征提取；S3：方面目标词和上下文语义交互阶段：将S2提取到的特征进行一个遮蔽操作，然后与经过BiLSTM层的隐藏特征进行一个点积注意力操作；S4：标签预测阶段：对S3中得到的特征进行一个最大池化操作，接着进行一个线性变换降维后再softmax操作得到最后的预测结果表示。本发明提升了模型识别长距离句法关系的能力。

公开(公告)号：CN113535904A

公开(公告)日：2021-10-22

申请号：CN202110838343.5

申请日：2021-07-23

Applicant: 重庆邮电大学

Inventor： 甘玲 ,  唐桥 ,  何鹏

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于图神经网络的方面级情感分析方法，属于数据自然语言处理领域。该方法包括：S1：特征输入：使用Bert预训练语言模型进行词向量映射，再进行一次BiLSTM层的计算，得到含有上下文语义信息表示的隐藏特征；S2：语义特征提取：采用多层的多跳注意力图神经网络MAGNA进行语义特征提取；S3：方面目标词和上下文语义交互阶段：将S2提取到的特征进行一个遮蔽操作，然后与经过BiLSTM层的隐藏特征进行一个点积注意力操作；S4：标签预测阶段：对S3中得到的特征进行一个最大池化操作，接着进行一个线性变换降维后再softmax操作得到最后的预测结果表示。本发明提升了模型识别长距离句法关系的能力。