-
公开(公告)号：CN111046193A
公开(公告)日：2020-04-21
申请号：CN201911385727.5
申请日：2019-12-27
Applicant: 南京邮电大学
Abstract: 本发明的目的是提供了一种基于元学习的领域知识图谱补全方法，提供一种知识图谱补全方式，仅依靠领域知识图谱中的少量样本实现实体补全和新知识的快速部署，从而提高领域知识图谱补全的效率。克服了小样本领域知识图谱难以自动处理、人工处理成本高的问题，通过元学习方法实现了在小样本领域中有效的三元组向量表示的获得方法。训练的元关系向量对于任务的改变具有敏感性，其训练过程相对普通的表示学习过程只增加了一个参数，在面对新领域知识时可以达到快速部署的效果，提高了计算效率。可扩展性强，可以适应表示学习中的多种损失函数，可以随效率和精度要求灵活更改损失函数。
-
公开(公告)号：CN112800225B
公开(公告)日：2022-09-16
申请号：CN202110120528.2
申请日：2021-01-28
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种微博评论情绪分类方法和系统，属于自然语言处理技术领域，方法包括如下步骤：采集原始微博评论文本数据并进行预处理获得微博文本数据集；对微博文本数据集进行预训练；利用情绪词典选取微博文本中包含情绪的句子作为局部情绪特征；利用训练好的胶囊网络提取微博文本的整体情绪特征；对微博文本的整体情绪特征和局部情绪特征进行融合，获得该微博文本的情绪分类结果；将微博用户的所有微博文本的情绪分类结果求和取平均值，根据所述平均值确定微博用户微博评论的情绪倾向。本发明的方法和系统从局部与整体方面使用深度学习方法进行学习，能更加准确地判断微博用户的情绪倾向，能提高情绪分类准确率。
-
公开(公告)号：CN111046193B
公开(公告)日：2022-05-13
申请号：CN201911385727.5
申请日：2019-12-27
Applicant: 南京邮电大学
Abstract: 本发明的目的是提供了一种基于元学习的领域知识图谱补全方法，提供一种知识图谱补全方式，仅依靠领域知识图谱中的少量样本实现实体补全和新知识的快速部署，从而提高领域知识图谱补全的效率。克服了小样本领域知识图谱难以自动处理、人工处理成本高的问题，通过元学习方法实现了在小样本领域中有效的三元组向量表示的获得方法。训练的元关系向量对于任务的改变具有敏感性，其训练过程相对普通的表示学习过程只增加了一个参数，在面对新领域知识时可以达到快速部署的效果，提高了计算效率。可扩展性强，可以适应表示学习中的多种损失函数，可以随效率和精度要求灵活更改损失函数。
-
公开(公告)号：CN112800225A
公开(公告)日：2021-05-14
申请号：CN202110120528.2
申请日：2021-01-28
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种微博评论情绪分类方法和系统，属于自然语言处理技术领域，方法包括如下步骤：采集原始微博评论文本数据并进行预处理获得微博文本数据集；对微博文本数据集进行预训练；利用情绪词典选取微博文本中包含情绪的句子作为局部情绪特征；利用训练好的胶囊网络提取微博文本的整体情绪特征；对微博文本的整体情绪特征和局部情绪特征进行融合，获得该微博文本的情绪分类结果；将微博用户的所有微博文本的情绪分类结果求和取平均值，根据所述平均值确定微博用户微博评论的情绪倾向。本发明的方法和系统从局部与整体方面使用深度学习方法进行学习，能更加准确地判断微博用户的情绪倾向，能提高情绪分类准确率。
-
-
-
Search Results
4
records
(took 0.012 seconds)
