申请/专利权人：西北大学

申请日：2020-07-10

公开（公告）日：2024-04-02

公开（公告）号：CN111897954B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/30;G06F40/242;G06F40/205;G06F40/211;G06F40/284;G06F40/289

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2020.11.24#实质审查的生效;2020.11.06#公开

摘要：本发明公开了用户评论方面挖掘系统、方法、及存储介质，借助Word2vec以及全局的Attention机制和双向长短期记忆网络来依次处理文本：首先使用Word2vec得到每个单词的向量表示，通过词嵌入层将上下文中经常同时出现的词映射到嵌入空间中相近的位置；然后利用Attention机制过滤句子中的词嵌入得到方面向量，利用Bi‑LSTM提取文本的上下文语义信息得到语义向量，通过对得到的方面向量和语义向量进行拼接；利用方面嵌入的线性组合对结果进行重构。最终得到每个方面的代表词，相比传统提取方面LDA方法和忽略文本语义特征的神经网络方法，本发明有效的解决了传统的深度方面挖掘模型未考虑到文本的上下文语义信息的问题，模型结构简单、易于扩展、鲁棒性强，在实践中易于推广使用。

主权项：1.一种用户评论方面挖掘系统，其特征在于，该系统基于计算机可读指令，至少包括:预处理单元：用于原始评论文本数据集进行处理，得到预处理后的语料集；词训练单元：用于对预处理后的语料集进行处理，得到评论文本词向量集；挖掘模型构建单元：用于对评论文本词向量集进行编码，并对编码后得到的方面向量信息和语义向量信息进行解码，得到嵌入模型；所述的挖掘模型构建单元对评论文本词向量集进行编码包括：1）构建方面编码器和语义编码器；2）分别通过方面编码器和语义编码器获得获取评论文本词的方面向量信息和语义向量信息；3）对获取的方面向量信息和语义向量信息进行拼接融合，得到融合后的向量信息；所述的挖掘模型构建单元对编码后得到的方面向量信息和语义向量信息进行解码是对融合后的向量信息进行维度规约和重构，得到嵌入模型；训练单元：分别对评论文本词向量集编码的结果与其编码对应的解码结果，和编码对应的解码结果与负样本进行相似度衡量；映射单元：用于对挖掘模型构建单元得到的嵌入模型进行词空间映射，得到方面代表词；所述的预处理单元、词训练单元、挖掘模型构建单元、训练单元、映射单元依次连接。

全文数据：

权利要求：

百度查询： 西北大学 一种用户评论方面挖掘系统、方法、及存储介质

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