公开(公告)号：CN114186560A

公开(公告)日：2022-03-15

申请号：CN202111524927.1

申请日：2021-12-14

Applicant: 哈尔滨理工大学

Inventor： 刘睿 ,  仇化平 ,  赫斌

IPC: G06F40/289 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06F16/35 ,  G06F16/33

Abstract: 本发明涉及一种基于图卷积神经网络(Graph Convolution Network，GCN)融合支持向量机(Support Vector Machine，SVM)的中文词义消歧方法。本发明首先预处理语料。对训练和测试语料的语句进行分词、词性标注和语义标注处理。以歧义词所在的句子以及歧义词两侧词汇单元的词形、词性和语义类作为消歧特征，消歧特征作为节点来构建词义消歧图。使用Word2Vec、Doc2Vec工具、逐点互信息(PMI)、TF‑IDF算法对图中节点和边的权值进行计算。训练语料训练GCN模型，将模型优化。利用优化后的GCN模型计算训练和测试语料的消歧特征，再将训练语料计算后的消歧特征输入SVM分类器中，优化SVM分类器，再对测试语料进行分类，得到歧义词汇在语义类别下分类情况。本发明具有较好的词义消歧效果，准确的判断歧义词汇的真实含义。

公开(公告)号：CN113343120A

公开(公告)日：2021-09-03

申请号：CN202110606444.X

申请日：2021-05-28

Applicant: 哈尔滨理工大学

Inventor： 刘嘉辉 ,  杜金 ,  仇化平

IPC: G06F16/9536 ,  G06F16/906 ,  G06F40/284 ,  G06N7/00 ,  G06Q50/00

Abstract: 本发明提出一种基于情感防护的新闻智能推荐系统。包括：1.利用BERT预训练模型提取新闻特征和文本的特征词，通过新闻特征向量构建新闻特征矩阵；2.对文本信息进行情感过滤建立情感分级模型，对用户评论、新闻标题和内容实行情感分级以区分其消极和积极程度；3.通过聚类算法将新闻标签聚类，依据用户评论情感等级和用户行为时间对其浏览的新闻分配权重，以用户特征信息构建用户矩阵；4.以用户情感的时间序列预测用户下一时间段内的情感等级；5.通过计算用户和新闻向量的相似度产生推荐表，预测用户情绪状态，以贝叶斯方法按比例推荐新闻，实现动态推送。本发明避免负能量和消极的舆论对用户心理造成伤害，危害社会的公共安全。