公开(公告)号：CN104317965B

公开(公告)日：2018-04-03

申请号：CN201410649358.7

申请日：2014-11-14

Applicant: 南京理工大学

Inventor： 夏睿 ,  王科 ,  周清清 ,  刘超

IPC: G06F17/30

Abstract: 本发明公开了一种基于语料的情感词典构建方法，通过预先获得一部分已知情感倾向的形容词，包括积极的和消极的两种，再利用转折词和否定词，提取并分析未知情感倾向的形容词，不断扩展种子词库，最后做出判断。该方法不需要人工干预，且属于无监督的学习方法，能大大提高工作效率。该方法构造的情感词典，可以用于评论分析，能快速地得到其情感倾向，达到快速分析的目的。

公开(公告)号：CN107832307A

公开(公告)日：2018-03-23

申请号：CN201711218709.9

申请日：2017-11-28

Applicant: 南京理工大学

Inventor： 夏睿 ,  何声欢

IPC: G06F17/27

Abstract: 本发明公开了一种基于无向图与单层神经网络的中文分词方法，首先根据标注集，对给定的训练中文文本进行标注，统计其初始状态系数和状态转移系数；然后根据字典资源文件，对中文文本的每个字符依据其上下文进行特征抽取，得到文本特征；根据所有文本特征，构建特征函数集合，将文本特征转换特征向量；接着将特征向量送给单层神经网络训练分类器模型进行训练，直至模型收敛；再使用单层神经网络模型，对测试数据进行分类，根据统计的初始状态系数、状态转移系数，使用维特比算法进行最优标注序列的求解；最后将最优标注序列与测试原始文本结合，生成分词文本。本发明训练速度更快，消耗资源更少，泛化能力更强。

公开(公告)号：CN106570167A

公开(公告)日：2017-04-19

申请号：CN201610981632.X

申请日：2016-11-08

Applicant: 南京理工大学

Inventor： 夏睿 ,  尹通

IPC: G06F17/30

CPC classification number: G06F17/30705 ,  G06F17/30684

Abstract: 本发明公开了一种基于融合知识的主题模型的微博话题发现方法，涉及自然语言处理领域，该方法包括以下步骤：首先，获取微博数据，并且对微博文本进行评分、中文分词以及停用词过滤；然后，利用融合知识的主题模型对微博文本建模；最后，使用K‑中心和层次聚类的混合聚类发现话题。本发明使用融合知识的主题建模的方法，有效地解决了微博短文本集数据稀疏的问题，并且可以准确地定义主题特征向量，有效地提高聚类准确率。

公开(公告)号：CN104317965A

公开(公告)日：2015-01-28

申请号：CN201410649358.7

申请日：2014-11-14

Applicant: 南京理工大学

Inventor： 夏睿 ,  王科 ,  周清清 ,  刘超

IPC: G06F17/30

CPC classification number: G06F17/30536 ,  G06F17/30289

Abstract: 本发明公开了一种基于语料的情感词典构建方法，通过预先获得一部分已知情感倾向的形容词，包括积极的和消极的两种，再利用转折词和否定词，提取并分析未知情感倾向的形容词，不断扩展种子词库，最后做出判断。该方法不需要人工干预，且属于无监督的学习方法，能大大提高工作效率。该方法构造的情感词典，可以用于评论分析，能快速地得到其情感倾向，达到快速分析的目的。