用于方面级情感分析的语义增强多通道双向图卷积网络
申请人信息
- 申请人:广东工程职业技术学院
- 申请人地址:510660 广东省广州市天河区凤凰街渔兴路18号
- 发明人: 广东工程职业技术学院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 用于方面级情感分析的语义增强多通道双向图卷积网络 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311786028.8 |
| 申请日 | 2023/12/22 |
| 公告号 | CN117764082A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06F40/30 |
| 权利人 | 广东工程职业技术学院 |
| 发明人 | 吴小玲; 刘强; 姜晓梅; 陈园允; 胡华玉; 杨吉 |
| 地址 | 广东省广州市天河区凤凰街渔兴路18号 |
摘要文本
广东工程职业技术学院获取“一种透气窗帘布”专利技术，本发明公开了用于方面级情感分析的语义增强多通道双向图卷积网络，涉及语义情感分析技术领域，包括：模型训练：通过对数据进行学习和训练，使系统从数据中学习出关键的特征和规律，并将其应用于新的数据中；情感分析：分析方面词在各种情感极性的概率。该用于方面级情感分析的语义增强多通道双向图卷积网络，通过随机密集残差连接BiLSTM，可以从较浅层次的语义特征中提取较深层次的语义特征，增强语义特征表示，很好地解决了堆叠BiLSTM的过拟合问题，并且，考虑到了单词间多种关系特征，通过多通道双向图卷积网络，可以考虑到单词间不同的关系特征，将不同的关系特征进行编码并融合，从而增强模型在方面级情感分析的整体性能。
专利主权项内容
1.用于方面级情感分析的语义增强多通道双向图卷积网络，其特征在于，包括：模型训练(1)：通过对数据进行学习和训练，使系统从数据中学习出关键的特征和规律，并将其应用于新的数据中；情感分析(2)：分析方面词在各种情感极性的概率；注意力机制(3)：从句子上下文中提取出和方面词情感极性相关的重要情感词，并为每一个上下文词设置注意力权重；随机密集残差连接BiLSTM(4)：挖掘数据中的时序信息以及语义信息；词嵌入(5)：将句子中的单词转换为向量化表示；掩码层(6)：对句子中的非方面词进行屏蔽，只保留方面词向量表示；多通道双向图卷积网络(7)：用以更好地捕捉输入数据中的特征；所述随机密集残差连接BiLSTM(4)包括堆叠BiLSTM和随机密集残差连接，所述堆叠BiLSTM和随机密集残差连接之间双向信号连接，所述多通道双向图卷积网络(7)包括句法依赖树、图卷积网络、多通道图卷积网络、双向图卷积网络和残差连接，所述句法依赖树、图卷积网络、多通道图卷积网络、双向图卷积网络和残差连接之间均双向信号连接；所述随机密集残差连接BiLSTM(4)中随机密集残差连接的输出端与模型训练(1)的输入端双向信号连接，所述多通道双向图卷积网络(7)中残差连接的输出端与模型训练(1)的输入端双向信号连接。 微信公众号马克 数据网