申请/专利权人：昆明理工大学

申请日：2022-05-12

公开（公告）日：2024-04-19

公开（公告）号：CN114943216B

主分类号：G06F40/211

分类号：G06F40/211;G06F40/253;G06F40/284;G06F40/30;G06F18/241;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.09.13#实质审查的生效;2022.08.26#公开

摘要：本发明涉及基于图注意力网络的案件微博属性级观点挖掘方法，属于自然语言处理技术领域。本发明首先使用斯坦福工具得到涉案微博评论句的句法依存关系；然后，重塑评论句的句法依存关系，只保留属性词与观点词之间的主要句法信息，丢弃次要句法信息；最后，使用关系图注意力网络模型进行编码，对属性词对应的观点词和情感倾向性进行联合抽取。本发明解决了现有方法不能有效的对案件微博评论的属性词和观点词的关系进行建模，从而利用抽取的观点词预测情感极性的问题。

主权项：1.基于图注意力网络的案件微博属性级观点挖掘方法，其特征在于：所述基于图注意力网络的案件微博属性级观点挖掘方法的具体步骤如下：Step1、收集用于案件微博属性级观点挖掘的微博评论文本，对微博评论文本进行去重与筛选；Step2、定制案件微博属性级观点挖掘的标注体系，标记微博评论文本，将标记好的微博评论语料分为训练语料、验证语料和测试语料；Step3、获取评论语句对应的词向量，训练数据经过预处理后输入斯坦福工具，得到评论的句法依存关系；Step4、对评论的句法依存关系进行重塑，只保留属性词与观点词之间的直接句法关系，丢弃属性词与观点词之间的间接句法关系；Step5、使用关系图注意力网络模型进行编码，对属性词对应的观点词和情感倾向性进行联合抽取；所述步骤Step2的具体步骤为：Step2.1、定制的案件微博属性级观点挖掘的标注体系采用了XML的可扩展标记语言组织文本，分别针对属性词文本、属性词的开始位置、属性词的结束位置、观点词文本、观点词的开始位置、观点词的结束位置及属性词的情感极性对收集到的微博评论文本进行标记；Step2.2、再将实验数据分为训练语料、验证语料和测试语料；所述步骤Step3的具体步骤为：将评论句输入斯坦福工具，得到评论句的句法依存树T；所述步骤Step4的具体步骤：Step4.1、将属性词放在依存树的根部；Step4.2、对于依存树中节点与节点之间的依存关系，只保留属性词与观点词之间的直接句法关系，丢弃属性词与观点词之间的间接句法关系；Step4.3、如果一个评论句子包含多个属性词，将把句中每个属性词分别作为根，构造一棵唯一的树，减少无关节点和关系的影响；所述步骤Step5的具体步骤为：Step5.1、将依存关系分别映射到两个向量空间：E[rij]和U[rij]；其中，E[rij]用于预测属性词的情感倾向性，U[rij]用于抽取观点词；Step5.2、分别利用关系图注意力网络对隐状态节点进行更新，以此对属性词情感极性和观点词进行联合抽取。

全文数据：

权利要求：

百度查询： 昆明理工大学 基于图注意力网络的案件微博属性级观点挖掘方法

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