公开(公告)号：CN115374789A

公开(公告)日：2022-11-22

申请号：CN202210214958.5

申请日：2022-03-04

Applicant: 重庆邮电大学

Inventor： 方义秋 ,  彭杨

IPC: G06F40/30 ,  G06F40/211 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及自然语言处理技术领域，公开了一种基于预训练模型BERT的多粒度融合方面级情感分析方法，步骤包括将文本输入到预训练模型中获取预训练词向量，并获取方面项的上下文信息s；通过LSTM长短期记忆网络来学习句子的上下文句子信息h；将双向LSTM的输出h作为句子级别注意力层的输入，计算每个句子的重要程度，得到句子级别注意力层的输出u；将u进行维度变换为与s一致，再将s与句子级的输出u进行调和得到最终的输出O；将O作为情感分类层的输入，计算情感极性的概率P，并根据损失函数进行损失，再采用反向传播算法进行优化。本发明能够防止上下文句子过多，影响当前句子方面的极性判断的问题，从而增强对当前句子方面的极性判断，提升方面情感预测的性能。

公开(公告)号：CN112163705A

公开(公告)日：2021-01-01

申请号：CN202011054678.X

申请日：2020-09-29

Applicant: 重庆邮电大学

Inventor： 彭杨 ,  杨波 ,  张英杰 ,  林颂策 ,  殷梓杰 ,  冯家琦 ,  李帅领 ,  刘飞

IPC: G06Q10/04 ,  G16H50/80 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明涉及一种基于CNN+SEIR和LSTM的疫情预测预警方法，属于信息化领域。利用卷积神经网络CNN+标准传染病SEIR模型作为新冠疫情的预测模型，通过CNN模型从大量的人口迁移的数据中提取特征，然后利用SEIR模型作为新冠疫情的预测模型。所述卷积神经网络CNN用于实现预测模型的特征提取，包括局部感受野、权值共享和池化；预测模型通过卷积神经网络提取来自各个维度的人口迁移数据，将统计得来的患者行动轨迹和人口迁移数据做匹配，利用KL散度计算患者行动轨迹和人口迁移数据的相似度；如果易感染者和患者行动轨迹相似度较大，则见面几率高，否则见面几率小。

公开(公告)号：CN112163705B

公开(公告)日：2022-07-22

申请号：CN202011054678.X

申请日：2020-09-29

Applicant: 重庆邮电大学

Inventor： 彭杨 ,  杨波 ,  张英杰 ,  林颂策 ,  殷梓杰 ,  冯家琦 ,  李帅领 ,  刘飞

IPC: G06Q10/04 ,  G16H50/80 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明涉及一种基于CNN+SEIR和LSTM的疫情预测预警方法，属于信息化领域。利用卷积神经网络CNN+标准传染病SEIR模型作为新冠疫情的预测模型，通过CNN模型从大量的人口迁移的数据中提取特征，然后利用SEIR模型作为新冠疫情的预测模型。所述卷积神经网络CNN用于实现预测模型的特征提取，包括局部感受野、权值共享和池化；预测模型通过卷积神经网络提取来自各个维度的人口迁移数据，将统计得来的患者行动轨迹和人口迁移数据做匹配，利用KL散度计算患者行动轨迹和人口迁移数据的相似度；如果易感染者和患者行动轨迹相似度较大，则见面几率高，否则见面几率小。