公开(公告)号：CN107239439A

公开(公告)日：2017-10-10

申请号：CN201710259721.8

申请日：2017-04-19

Applicant: 同济大学

Inventor： 蒋昌俊 ,  闫春钢 ,  王鹏伟 ,  何良华 ,  罗裕隽

IPC: G06F17/27 ,  G06F17/30

CPC classification number: G06F17/277 ,  G06F17/2775 ,  G06F17/30666 ,  G06F17/30684

Abstract: 本发明提供一种基于word2vec的舆情倾向性分析方法，包括向量训练阶段、关键句提取阶段和倾向性判别阶段，通过提取新闻关键句缩小判别的特征空间，保留与原文主题相关性较大的内容，剔除无用信息，提高舆情倾向性分析的准确率；将深度学习模型word2vec引入舆情倾向性分析，用于比较词与词之间的语义相似度，并通过词向量来比较语义相似度，能较好识别出具有相同情感倾向但不在情感词典中的词语，即使情感词典不够完备也能获得一个较好的分析效果，同时，融合语法规则对关键句的情感倾向性进行加权计算，结合上下文信息，弥补单纯使用词义相似度的局限性，从句子整体分析倾向性，实现了对篇章级的新闻文本的情感倾向性以及情感强度的准确判别。

公开(公告)号：CN108446718B

公开(公告)日：2021-01-26

申请号：CN201810126792.5

申请日：2018-02-08

Applicant: 同济大学

Inventor： 何良华 ,  胡仁杰 ,  罗裕隽 ,  莫文闻 ,  侍海峰 ,  刘洪宇 ,  王予沁 ,  任强 ,  刘晓洁 ,  蔡冠羽

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明涉及深度学习领域的一种基于深度置信网络的动态网络结构训练分析方法。本发明的目的在于克服深度置信网络的几点不足，提供一种基于深度置信网络的由整体至特殊的动态网络结构训练分析策略。该策略参考人类识别物体时大脑的分析策略，引入细致化分析的过程。该策略针对分类问题，在训练阶段产生两种网络，包括一个全局网络和若干个针对具体的各个类别的特殊网络。在预测阶段，综合考虑两种网络的输出结果，使得整个模型的预测更加具有针对性，从而提高分类模型的准确性。

公开(公告)号：CN108446718A

公开(公告)日：2018-08-24

申请号：CN201810126792.5

申请日：2018-02-08

Applicant: 同济大学

Inventor： 何良华 ,  胡仁杰 ,  罗裕隽 ,  莫文闻 ,  侍海峰 ,  刘洪宇 ,  王予沁 ,  任强 ,  刘晓洁 ,  蔡冠羽

IPC: G06K9/62 ,  G06N3/08

CPC classification number: G06K9/6256 ,  G06K9/6235 ,  G06K9/6267 ,  G06K2009/6236 ,  G06N3/082

Abstract: 本发明涉及深度学习领域的一种基于深度置信网络的动态网络结构训练分析方法。本发明的目的在于克服深度置信网络的几点不足，提供一种基于深度置信网络的由整体至特殊的动态网络结构训练分析策略。该策略参考人类识别物体时大脑的分析策略，引入细致化分析的过程。该策略针对分类问题，在训练阶段产生两种网络，包括一个全局网络和若干个针对具体的各个类别的特殊网络。在预测阶段，综合考虑两种网络的输出结果，使得整个模型的预测更加具有针对性，从而提高分类模型的准确性。