公开(公告)号：CN116205222A

公开(公告)日：2023-06-02

申请号：CN202310500326.X

申请日：2023-05-06

Applicant: 南京邮电大学

Inventor： 孙雁飞 ,  武长超 ,  亓晋 ,  孙莹 ,  胡筱旋 ,  董振江

IPC: G06F40/284 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于自然语言处理技术领域，公开了一种基于多通道注意力融合的方面级情感分析系统及方法，使用BERT预训练模型，将初始文本数据转换成为带有上下文语境信息的文本词向量。通过方面词增强机制，增强方面词在文本中的语义权重；通过BiGRU神经网络捕捉文本序列的位置信息，学习文本内的顺序关系，提取文本特征。构建多通道注意力融合层，引入文本卷积神经网络，多维度地提取不同大小的高维文本特征，同时每个通道中引入自注意力机制，有效地利用了上下文对于方面词的注意力信息，提高模型准确率。

公开(公告)号：CN115329073A

公开(公告)日：2022-11-11

申请号：CN202210916432.1

申请日：2022-08-01

Applicant: 南京邮电大学

Inventor： 孙雁飞 ,  武长超 ,  亓晋 ,  许斌

IPC: G06F16/35 ,  G06F16/33 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种基于注意力机制的方面级文本情感分析方法及系统。方法包括：对文本数据进行预处理，将预处理后的文本数据转换为包含上下文语境信息的词向量，将得到的词向量输入文本情感分析模型，输出得到文本情感倾向。文本情感分析模型包括若干神经网络单元、若干局部注意力机制单元、全局注意力机制单元、权重融合单元、全连接层和softmax层。本发明能够充分挖掘语义，同时兼顾局部和全局特征，使得模型能够高效地拟合，提升了模型准确率。