公开(公告)号：CN111460157A

公开(公告)日：2020-07-28

申请号：CN202010249666.6

申请日：2020-04-01

Applicant: 哈尔滨理工大学

Inventor： 谢金宝 ,  李嘉辉 ,  邓来胜 ,  王滨生 ,  李紫玉 ,  赵楠 ,  李双庆

IPC: G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 用于多领域文本分类的循环卷积多任务学习方法，属于多领域文本分类技术领域，本发明为了解决传统文本分类的手工注释非常昂贵和耗时，并且容易导致文本的特征被文本末尾的单词所主导，丢失很多关键的信息的问题。步骤a，建立MTL-LC循环卷积多任务学习模型；步骤b，数据采集；步骤c，词嵌入；步骤d，特征提取；步骤e，情感分类；将每一个任务的特征表示分别输入到特定任务的Softmax分类器中，进行情感分类，利用Softmax函数计算任务样本的每一个情感类别的概率，概率高的类别则为预测的类别，完成分类。本发明的用于多领域文本分类的循环卷积多任务学习方法优于单任务深度学习模型和先进的多任务学习模型，能够有效的对多领域文本的情感进行分类。

公开(公告)号：CN108460012A

公开(公告)日：2018-08-28

申请号：CN201810102699.0

申请日：2018-02-01

Applicant: 哈尔滨理工大学

Inventor： 谢金宝 ,  李佰蔚 ,  殷楠楠 ,  谢桂英 ,  王玉静 ,  王滨生

IPC: G06F17/27

Abstract: 本发明公开了一种基于GRU-CRF的命名实体识别方法，属于自然语言处理领域。为了进一步提高命名实体识别的识别效果，本发明将GRU网络与CRF相结合，利用GRU网络提取句子特征，再结合CRF进行最后的实体标注来完成命名实体识别。GRU具有参数少，训练速度快等特点，减少了对大规模数据进行训练时所用的时间，CRF对一个位置进行标注的过程中可以利用到已经标注的信息，具有很好的实体标注效果。本发明将GRU网络应用于命名实体识别领域，在达到标注效果的基础上减少了网络内部的参数，提高了训练效率，具有很好的应用前景，可以广泛应用于各领域的实体识别场合。

公开(公告)号：CN108717439A

公开(公告)日：2018-10-30

申请号：CN201810467249.1

申请日：2018-05-16

Applicant: 哈尔滨理工大学

Inventor： 谢金宝 ,  侯永进 ,  马俊杰 ,  梁欣涛 ,  王玉静 ,  王滨生

IPC: G06F17/30 ,  G06F17/27 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明一种基于注意力机制和特征强化融合的中文文本分类方法属于数据挖掘技术领域；所述一种基于注意力机制和特征强化融合的中文文本分类方法中提出一种基于注意力机制、长短期记忆网络与卷积神经网络的特征强化融合中文文本分类模型和特征差异强化注意力算法模型；特征强化融合中文文本分类模型，以双层LSTM和CNN模块依次对注意力机制提取的文本特征进行强化融合，不断增强所提取文本特征的丰富程度和，使其包含的文本特征更加全面更加细致，从而提高了模型对中文文本特征的识别能力。

公开(公告)号：CN111460157B

公开(公告)日：2023-03-28

申请号：CN202010249666.6

申请日：2020-04-01

Applicant: 哈尔滨理工大学

Inventor： 谢金宝 ,  李嘉辉 ,  邓来胜 ,  王滨生 ,  李紫玉 ,  赵楠 ,  李双庆

IPC: G06F16/35 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 用于多领域文本分类的循环卷积多任务学习方法，属于多领域文本分类技术领域，本发明为了解决传统文本分类的手工注释非常昂贵和耗时，并且容易导致文本的特征被文本末尾的单词所主导，丢失很多关键的信息的问题。步骤a，建立MTL‑LC循环卷积多任务学习模型；步骤b，数据采集；步骤c，词嵌入；步骤d，特征提取；步骤e，情感分类；将每一个任务的特征表示分别输入到特定任务的Softmax分类器中，进行情感分类，利用Softmax函数计算任务样本的每一个情感类别的概率，概率高的类别则为预测的类别，完成分类。本发明的用于多领域文本分类的循环卷积多任务学习方法优于单任务深度学习模型和先进的多任务学习模型，能够有效的对多领域文本的情感进行分类。