申请/专利权人:北京理工大学
申请日:2023-12-07
公开(公告)日:2024-03-01
公开(公告)号:CN117633233A
主分类号:G06F16/35
分类号:G06F16/35;G06F18/213;G06F18/2415;G06F18/25;G06Q50/00;G06N3/042;G06N3/045;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.01#公开
摘要:本发明涉及利用双曲图网络的时序观点挖掘方法,属于自然语言处理与机器学习领域。本发明首先基于推文数据集生成社交关系图,利用指数映射将社交关系图嵌入双曲空间,通过双曲图卷积提取其结构特征;然后利用交叉注意力机制计算推文内容与推文时间的相关性,再结合时间注意力机制拟合早期推文对当前观点的影响权重,得到推文时序特征;最后拼接结构特征与时序特征得到推文的最终表示,输入分类器预测观点类别。本发明针对现有社交网络的观点挖掘方法未充分利用热门推文与相关推文间关系、难以准确建模早期推文对当前观点影响的问题,提出利用双曲图网络的时序观点挖掘方法,提升观点挖掘的准确率。
主权项:1.利用双曲图网络的时序观点挖掘方法,其特征在于所述方法包括如下步骤:步骤1,首先基于推文数据集生成社交关系图,利用指数映射将社交关系图嵌入双曲空间,使用双曲图卷积特征变换方法将初始节点特征映射到新的空间,然后使用双曲图聚合捕获邻居节点特征,使用图注意力机制对多个图上节点的特征进行融合,得到结构特征矩阵;步骤2,将个体的历史推文集经过BERT编码器提取推文的文本特征和时间特征并建模个体特征的总体特征表示,通过文本特征和时间特征计算交叉注意力权重,通过时间特征和总体特征计算时序注意力权重,融合交叉注意力和时序注意力,并结合个体特征的总体特征计算最终的注意力权重,进而生成节点的时间特征矩阵;步骤3,将双曲图嵌入获取到的结构特征以及融合注意力嵌入得到的时间特征进行拼接,作为节点的最终特征,将节点的最终特征经过Softmax层分类得到观点预测的类别。
全文数据:
权利要求:
百度查询: 北京理工大学 利用双曲图网络的时序观点挖掘方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。