申请/专利权人:湘潭大学
申请日:2020-12-03
公开(公告)日:2024-03-29
公开(公告)号:CN112560440B
主分类号:G06F40/211
分类号:G06F40/211;G06F40/30;G06N3/0442
优先权:
专利状态码:有效-授权
法律状态:2024.03.29#授权;2021.04.13#实质审查的生效;2021.03.26#公开
摘要:本发明公开了一种基于深度学习的面向方面级情感分析的句法依赖方法,提高了方面级情感分析的准确性。该方法包括以下步骤:S1,将输入的句子利用预训练好的词向量进行表示;S2,将S1得到的词向量输入到卷积层以提取序列的局部特征;S3,将卷积过后的特征向量输入到BiLSTM层,通过两个方向的LSTM单元获取上下文中的语义信息;S4,将S3得到的语义信息输入到临近加权卷积层以捕获n‑gram信息;S5,将临近加权卷积后得到的n‑gram信息输入到池化层进行最大池化操作,提取重要特征;S6,将最大池化操作得到的输出通过softmax分类层进行分类,得到最终结果。
主权项:1.一种基于深度学习的面向方面级情感分析的句法依赖方法,其特征在于:包括以下步骤:S1,将输入的句子利用预训练好的词向量进行表示;S2,将S1得到的词向量输入到卷积层以提取序列的局部特征;S3,将卷积过后的特征向量输入到BiLSTM层,通过两个方向的LSTM单元获取上下文中的语义信息;S4,将S3得到的语义信息输入到临近加权卷积层临近加权卷积操作应用临近权重即上下文与方面词的句法临近度来计算其在句子中的重要性,然后将其输入卷积神经网络以捕获n-gram信息;S5,将临近加权卷积后得到的n-gram信息输入到池化层进行最大池化操作,提取重要特征;S6,将最大池化操作得到的输出通过softmax分类层进行分类,得到最终结果。
全文数据:
权利要求:
百度查询: 湘潭大学 一种基于深度学习的面向方面级情感分析的句法依赖方法
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。