申请/专利权人：南京邮电大学

申请日：2024-02-29

公开（公告）日：2024-04-02

公开（公告）号：CN117808104A

主分类号：G06N5/04

分类号：G06N5/04;G06N3/0455;G06N3/084;G06N3/0895;G06F40/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明属于自然语言处理技术领域，公开了一种面向热点话题的基于自监督表示学习的观点挖掘方法，包括：获取文本语料库并进行数据预处理；语料中的文本用词袋模型进行表示；对文档的词袋表示进行数据增强得到成对的相似文档向量表示；将成对的相似文档向量表示输入编码器网络得到输出，作为输入文档的观点分布的向量表示；从狄利克雷分布中采样获得观点分布的先验；最小化编码器网络输出的不变性、方差、协方差正则化损失和狄利克雷先验分布对齐的先验损失，以此进行模型的训练。本发明利用自监督学习的优势，得到了文档的观点表示，获得了高质量的观点，挖掘出了多样的观点表示。

主权项：1.一种面向热点话题的基于自监督表示学习的观点挖掘方法，其特征在于：所述观点挖掘方法包括以下步骤：步骤1、对获取到的社交媒体评论文本进行数据预处理，根据词袋模型得到文档采用TF-IDF表示法的词袋模型表示；步骤2、将步骤1中得到的词袋模型表示进行数据增强，以获得成对的相似文档向量表示；步骤3、将步骤2获得的增强后的成对的相似文档向量表示作为编码器网络的输入，得到编码器网络的输出，该输出表示为输入文档的观点分布的向量表示；步骤4、通过最小化编码器网络输出的不变性、方差、协方差正则化损失和狄利克雷先验分布对齐的先验损失，约束模型的参数变化，不断迭代至损失函数收敛，以确保模型的稳定性和观点挖掘的准确性。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种面向热点话题的基于自监督表示学习的观点挖掘方法

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。

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