申请/专利权人：华中科技大学

申请日：2020-07-06

公开（公告）日：2024-03-22

公开（公告）号：CN111914185B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/253;G06F40/289;G06N3/0442;G06N3/0499;G06Q50/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.11.27#实质审查的生效;2020.11.10#公开

摘要：本发明公开了一种基于图注意力网络的社交网络中文本情感分析方法，属于深度学习和情感分析领域。本发明将同一个节点的不同文本按照时间顺序连接起来，并将一定时间内有关系的不同节点发布的文本按照时间顺序连接起来，以此构造社交网络的结构关系，能够良好的反应社交网络中的情感一致性和情感传播的事实；本发明从图注意力网络对非欧几里得图结构具有良好的特征融合效果出发，将社交网络中节点的特征相互融合，获得包含社交网络关系的情感特征向量，能够有效的把社交网络的信息融合到情感分析中，提升情感分析的准确性；本发明捕获句子的句法信息，提升句子的情感向量表示的性能，以便能够充分结合句子的句法信息提升情感分析的准确性。

主权项：1.一种基于图注意力网络的社交网络中文本情感分析方法，其特征在于，包括：S1.对社交网络中的文本进行词嵌入和依存分析，得到每个文本的词向量和依存矩阵；S2.利用社交网络中用户的关注关系和文本发布时间，构造文本相关矩阵；S2具体为：假设关注者发布了一篇文本B，其对应序号为m，其发布时间为t2，被关注者发布了一篇文本A，对应序号为n，发布时间为t1，若t2-t1t，则认为文本B依赖于文本A，有Xmn＝1；t为设定的时间阈值；遍历整个文档库，得到文本相关矩阵X；S3.构造基于图注意力网络的社交网络情感分析模型；所述情感分析模型包括文本情感特征提取模块、文本情感融合模块和分类模块；所述文本情感特征提取模块，利用第一图注意力网络将依存矩阵中的信息融合到词向量中，得到包含语法信息的文本情感特征；文本情感特征提取模块的具体实施过程具体包括：将文本的词向量以及文本的依存矩阵输入至第一图注意力网络进行迭代，将依存矩阵中的信息融合到词向量中，得到包含语法信息的新的向量；利用LSTM获取整个句子的上下文向量；最后利用注意力机制捕获不同的词对文本情感特征的贡献，获得最终的文本情感特征；所述文本情感融合模块，利用第二图注意力网络将文本相关矩阵中的信息融合到文本情感特征中，得到融合社交网络关系的新的情感特征向量；文本情感融合模块的具体实施过程包括：将文本情感特征和文本相关矩阵输入到第二图注意力网络中进行迭代，得到融合社交网络关系的新的文本情感特征；利用LSTM和注意力结合的方式，将不同迭代次数的输出视为时序，并将时序的输出进行注意力的计算，得到最终的文本情感特征；所述分类模块，将新的情感特征向量输入至前馈神经网络，得到情感分类结果；S4.对所述情感分析模型进行迭代训练，直至模型收敛；S5.对社交网络中的文本进行步骤S1-S2的处理后，输入至训练好的情感分析模型进行情感分析，得到文本的情感分类结果。

全文数据：

权利要求：

百度查询： 华中科技大学 一种基于图注意力网络的社交网络中文本情感分析方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD