-
公开(公告)号：CN111127142B
公开(公告)日：2023-09-08
申请号：CN201911291806.X
申请日：2019-12-16
Applicant: 东北大学秦皇岛分校
IPC: G06Q30/0601 , G06N3/08
Abstract: 本发明提供一种基于广义神经注意力的物品推荐方法，涉及信息处理技术领域。本发明将广义矩阵因子分解模型GMF和神经注意相似度模型NAIS相结合建立广义神经注意力推荐模型GNAS，在模型中使用GMF与多层感知机MLP(MLP,Multilayer Perceptron)集成的注意力机制对模型进行优化，对模型进行优化后，通过优化的广义神经注意力推荐模型预测用户对目标物品的喜好程度，为用户生成个性化推荐列表。本发明挖掘用户潜在的兴趣爱好，提高推荐系统的可解释性和多样性；其次采用GMF模型和MLP模型相结合的注意力机制估算每个历史物品在预测目标物品的喜爱程度时所占的权重，使用较小的时间代价大大提高了推荐准确率，为用户推荐更加符合其兴趣的物品。
-
Patent Agency Ranking
公开(公告)号：CN112069320B
公开(公告)日：2022-06-28
申请号：CN202010945633.5
申请日：2020-09-10
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于跨度的细粒度情感分析方法，涉及情感分析技术领域。本发明通过选择情感分析的数据集，建立基于方面的情感分析模型，通过损失函数和训练数据集来训练基于方面的情感分析模型，将待进行情感分析的测试数据集通过训练好的基于方面的情感分析模型，实现文本的情感分析。本发明提出的网络模型来提取方面和对应的情感极性，该模型为情感分析任务构建一种简单有效的提取句子方面及相应情感极性的联合模型。该模型使用BERT作为词嵌入，然后使用循环控制单元来提取每个子任务的表示，以及使用交互层来考虑它们之间的关系，最后进行方面项提取和情感分析。
-
公开(公告)号：CN112069320A
公开(公告)日：2020-12-11
申请号：CN202010945633.5
申请日：2020-09-10
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于跨度的细粒度情感分析方法，涉及情感分析技术领域。本发明通过选择情感分析的数据集，建立基于方面的情感分析模型，通过损失函数和训练数据集来训练基于方面的情感分析模型，将待进行情感分析的测试数据集通过训练好的基于方面的情感分析模型，实现文本的情感分析。本发明提出的网络模型来提取方面和对应的情感极性，该模型为情感分析任务构建一种简单有效的提取句子方面及相应情感极性的联合模型。该模型使用BERT作为词嵌入，然后使用循环控制单元来提取每个子任务的表示，以及使用交互层来考虑它们之间的关系，最后进行方面项提取和情感分析。
-
公开(公告)号：CN111127142A
公开(公告)日：2020-05-08
申请号：CN201911291806.X
申请日：2019-12-16
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于广义神经注意力的物品推荐方法，涉及信息处理技术领域。本发明将广义矩阵因子分解模型GMF和神经注意相似度模型NAIS相结合建立广义神经注意力推荐模型GNAS，在模型中使用GMF与多层感知机MLP(MLP,Multilayer Perceptron)集成的注意力机制对模型进行优化，对模型进行优化后，通过优化的广义神经注意力推荐模型预测用户对目标物品的喜好程度，为用户生成个性化推荐列表。本发明挖掘用户潜在的兴趣爱好，提高推荐系统的可解释性和多样性；其次采用GMF模型和MLP模型相结合的注意力机制估算每个历史物品在预测目标物品的喜爱程度时所占的权重，使用较小的时间代价大大提高了推荐准确率，为用户推荐更加符合其兴趣的物品。
-
公开(公告)号：CN111079409B
公开(公告)日：2023-04-25
申请号：CN201911291726.4
申请日：2019-12-16
Applicant: 东北大学秦皇岛分校
IPC: G06F40/211 , G06F18/24 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种利用上下文和方面记忆信息的情感分类方法，涉及情感分析技术领域。本发明通过选择待进行情感分析的数据集，建立基于方面的情感分析模型，通过交叉熵损失函数与L2正则化项的和来训练基于方面的情感分析模型，将待进行情感分析的数据集通过训练好的基于方面的情感分析模型，实现文本的情感分析。本发明提出的网络模型来提取方面的情感极性，该模型构建并结合了上下文记忆构建、方面记忆更新和情感分类模块来解决方面级别的情感分类任务，将多头注意力机制应用到基于方面的情感分析中，并考虑两种应用方法，由于多头注意力机制中每一头的权值是不共享的，因此该模型可以学习不同子空间的特征表示，从而做出更准确的预测。
-
公开(公告)号：CN111079409A
公开(公告)日：2020-04-28
申请号：CN201911291726.4
申请日：2019-12-16
Applicant: 东北大学秦皇岛分校
IPC: G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种利用上下文和方面记忆信息的情感分类方法，涉及情感分析技术领域。本发明通过选择待进行情感分析的数据集，建立基于方面的情感分析模型，通过交叉熵损失函数与L2正则化项的和来训练基于方面的情感分析模型，将待进行情感分析的数据集通过训练好的基于方面的情感分析模型，实现文本的情感分析。本发明提出的网络模型来提取方面的情感极性，该模型构建并结合了上下文记忆构建、方面记忆更新和情感分类模块来解决方面级别的情感分类任务，将多头注意力机制应用到基于方面的情感分析中，并考虑两种应用方法，由于多头注意力机制中每一头的权值是不共享的，因此该模型可以学习不同子空间的特征表示，从而做出更准确的预测。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
