-
公开(公告)号：CN114911942B
公开(公告)日：2024-06-18
申请号：CN202210607887.5
申请日：2022-05-31
Applicant: 华中师范大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06F18/2411 , G06F18/2415 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于置信度的可解释性的文本情感分析方法、系统及设备，首先对预分析文本数据，进行数据预处理；然后将处理后的数据输入深度学习网络进行分类；接着构造置信分割器，定义置信函数，设置置信度阈值，将深度学习网络分类结果分为置信度强弱两部分；根据置信度强弱之分，置信度强的数据由深度学习网络分类，置信度弱的数据由增强网络分类；最后结合两个网络分类结果，输出最终的分类结果。本发明构建一种新网络模型框架RTS‑CF，通过RAKE快速抽取较长的关键词，简单高效；通过置信函数，将测试集分为置信度强弱两部分，结合增强网络对置信度弱的数据进行重新分类。利用增强网络优化神经网络的集成方法，可解释性强，提高整体分类性能。
-
Patent Agency Ranking
公开(公告)号：CN115238199A
公开(公告)日：2022-10-25
申请号：CN202210555742.5
申请日：2022-05-19
Applicant: 华中师范大学
IPC: G06F16/9536 , G06F16/36 , G06F16/35 , G06F40/295 , G06F40/30 , G06Q50/20
Abstract: 本发明公开了一种基于知识图谱的在线社区学习路径推荐方法、系统及设备，首先，构建“课程——主题——知识点”三层实体建模的知识图谱模型，结合在线社区中用户帖子构造基于语料库和核心短语多层次文本相似度函数；其次，横向借助相似性函数度量帖子语义之间的相似性，以用户知识背景确定用户群体中相近知识水平的唯一用户，获取其学习路径；若路径缺失则需要纵向借助知识图谱推荐处于当前主题知识点更高层级的用户，通过用户知识背景确定唯一用户，获取该用户的帖子；最后，结合知识图谱为在线社区中用户推荐细粒度和多情境感知的学习路径。本发明可以从横向、纵向两个角度，并结合用户知识背景，为其推荐细粒度和多情境感知的学习路径。
-
公开(公告)号：CN114996390A
公开(公告)日：2022-09-02
申请号：CN202210222944.8
申请日：2022-03-09
Applicant: 华中师范大学
Abstract: 本发明公开了一种联合情感和话语角色的在线论坛主题建模方法，首先，针对帖子的需要和相关分类方法确定帖子的各情感向量占比；其次，使用相关话语角色分类表分别确定发帖和回帖的各类角色向量的占比；第三，联合情感向量和回帖的角色向量，获取情感‑回帖角色的二维矩阵，并针对不同情感、不同话语角色，获取对应的主题分布概率；最后，情感向量联合主题向量，确定不同主题、不同情感下所选词的概率占比。综上，可以得到帖子的情感、话语角色以及主题占比。本模型将情感和话语角色两个变量联合纳入主题模型中，进而获取个人的兴趣主题和话语角色对应的主题信息，探究可得个人在在线论坛中关注的信息，以及不同话语角色关注的主题有何不同。
-
公开(公告)号：CN116306584A
公开(公告)日：2023-06-23
申请号：CN202310153401.X
申请日：2023-02-23
Applicant: 华中师范大学
IPC: G06F40/216 , G06F40/30 , G06F40/289 , G06F18/25 , G06N3/084 , G06N3/0455
Abstract: 本发明公开了一种基于增强网络的可解释性强的神经主题建模方法、系统及设备，构建一种可以实现海量文本数据的主题抽取，得到较高质量以及可解释性强的主题。本发明采用增强网络的方法，将高斯编码网络与逻辑斯蒂编码网络结合，探索短文本中的隐含特征，得到增强的主题分布；采用在高斯解码器中引入预训练的词嵌入的方法，丰富上下文信息，融合额外的语义知识，可以缓解特征稀疏问题，提高模型的可解释性。
-
公开(公告)号：CN114911942A
公开(公告)日：2022-08-16
申请号：CN202210607887.5
申请日：2022-05-31
Applicant: 华中师范大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于置信度的可解释性的文本情感分析方法、系统及设备，首先对预分析文本数据，进行数据预处理；然后将处理后的数据输入深度学习网络进行分类；接着构造置信分割器，定义置信函数，设置置信度阈值，将深度学习网络分类结果分为置信度强弱两部分；根据置信度强弱之分，置信度强的数据由深度学习网络分类，置信度弱的数据由增强网络分类；最后结合两个网络分类结果，输出最终的分类结果。本发明构建一种新网络模型框架RTS‑CF，通过RAKE快速抽取较长的关键词，简单高效；通过置信函数，将测试集分为置信度强弱两部分，结合增强网络对置信度弱的数据进行重新分类。利用增强网络优化神经网络的集成方法，可解释性强，提高整体分类性能。
-
公开(公告)号：CN114996390B
公开(公告)日：2024-06-18
申请号：CN202210222944.8
申请日：2022-03-09
Applicant: 华中师范大学
Abstract: 本发明公开了一种联合情感和话语角色的在线论坛主题建模方法，首先，针对帖子的需要和相关分类方法确定帖子的各情感向量占比；其次，使用相关话语角色分类表分别确定发帖和回帖的各类角色向量的占比；第三，联合情感向量和回帖的角色向量，获取情感‑回帖角色的二维矩阵，并针对不同情感、不同话语角色，获取对应的主题分布概率；最后，情感向量联合主题向量，确定不同主题、不同情感下所选词的概率占比。综上，可以得到帖子的情感、话语角色以及主题占比。本模型将情感和话语角色两个变量联合纳入主题模型中，进而获取个人的兴趣主题和话语角色对应的主题信息，探究可得个人在在线论坛中关注的信息，以及不同话语角色关注的主题有何不同。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
