-
公开(公告)号：CN111475615B
公开(公告)日：2023-06-20
申请号：CN202010168893.6
申请日：2020-03-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/33 , G06F18/214 , G06Q50/00
Abstract: 本发明提供了一种情感增强的细粒度情感预测方法，包括执行以下步骤：步骤1：根据方面词语或属性的特性对数据进行扩建；步骤2：结合对抗训练构造细粒度情感分析对抗网络模型，并且通过共享特征提取器提取所有训练样本的共通情感特征；步骤3：将提取到的共通情感特征和特定方面的情感特征相结合来构造对抗训练多任务学习网络框架，协助模型对数据样本缺乏文本进行细粒度情感识别。本发明的有益效果是：1.本发明所提出的对抗训练多任务学习框架能通过特征提取器和判别器共同学习提取到的共享特征来协助细粒度情感分类模型对输入文本进行细粒度情感预测；2.本发明基于这种对抗训练和多任务学习方法，可以增强数据集不同方面的情感特征表示。
-
公开(公告)号：CN111475615A
公开(公告)日：2020-07-31
申请号：CN202010168893.6
申请日：2020-03-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种情感增强的细粒度情感预测方法，包括执行以下步骤：步骤1：根据方面词语或属性的特性对数据进行扩建；步骤2：结合对抗训练构造细粒度情感分析对抗网络模型，并且通过共享特征提取器提取所有训练样本的共通情感特征；步骤3：将提取到的共通情感特征和特定方面的情感特征相结合来构造对抗训练多任务学习网络框架，协助模型对数据样本缺乏文本进行细粒度情感识别。本发明的有益效果是：1.本发明所提出的对抗训练多任务学习框架能通过特征提取器和判别器共同学习提取到的共享特征来协助细粒度情感分类模型对输入文本进行细粒度情感预测；2.本发明基于这种对抗训练和多任务学习方法，可以增强数据集不同方面的情感特征表示。
-
公开(公告)号：CN111339310B
公开(公告)日：2023-05-16
申请号：CN201911191509.8
申请日：2019-11-28
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/36 , G06F16/951 , G06F16/9536 , G06F40/289 , G06Q50/00
Abstract: 本发明提供了一种面向社交媒体的在线争辩生成方法、系统及存储介质，该在线争辩生成方法包括：步骤1：收集用户在社交媒体上针对热点事件的在线争辩文本数据，对在线争辩文本数据进行人工标注；步骤2：收集与在线争辩文本数据相关的结构化知识与文本知识；步骤3：结合结构化知识与文本知识，利用在线争辩文本数据训练自然语言生成模型；步骤4：在真实争辩文本中，使用自然语言生成模型生成相应的争辩文本，该争辩文本用于改变用户的观点。本发明的有益效果是：本发明结合知识图谱信息，可以充分利用文本信息中的尝试知识，可以生成更流畅、更具有争辩性的文本。
-
公开(公告)号：CN115292551A
公开(公告)日：2022-11-04
申请号：CN202210793375.2
申请日：2022-07-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/901 , G06N3/04 , G06N3/08 , G06N5/04 , G06F40/279
Abstract: 本申请公开了事件因果关系识别模型的识别方法、设备及存储介质。该方法包括：基于文档的文本内容建立以向量表征的实例节点、事件节点以及文档节点；将各实例节点、事件节点与文档节点之间有条件地进行连接，以构建关系图模型；通过图卷积网络对关系图模型进行训练，以利用与每个实例节点、每个事件节点以及文档节点连接的其他节点对应更新各节点；基于更新后的各节点，通过节点之间已建立的连接关系获得两个事件节点之间的连接路径；基于两个事件节点之间的连接路径，计算两个事件节点之间的因果概率，以识别两个事件节点对应的文本事件之间的因果关系。通过上述方式，本申请实现以事件为单位进行因果关系识别，降低因果关系识别的误差。
-
公开(公告)号：CN111159411B
公开(公告)日：2023-04-14
申请号：CN201911420245.9
申请日：2019-12-31
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种融合知识图谱的文本立场分析方法、系统及存储介质，该文本立场分析方法包括：使用文本向量表示工具将文本与对象表示为向量形式；使用实体链接工具找到文本中出现的实体，并将实体链接至知识图谱中；针对文本中出现的每个实体，建立一个单视角网络对该实体与给定对象以及文本进行建模，得到对应实体的单视角表示向量；将步骤3中到的N个单视角表示向量输入双向循环神经网络中，得到N个多视角融合表示向量；使用多视角注意力网络筛选多视角表示向量，得到最终用于分类的向量；使用分类器对分类的向量进行分类，得到立场类标。本发明的有益效果是：本发明只需要使用者提供（文本，对象，立场）三元组构成的训练数据集，便可自动利用大规模知识图谱中的信息对其进行分析，不需要使用者额外提供背景知识，立场分析性能更佳。
-
Patent Agency Ranking
公开(公告)号：CN111339310A
公开(公告)日：2020-06-26
申请号：CN201911191509.8
申请日：2019-11-28
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/36 , G06F16/951 , G06F16/9536 , G06F40/289 , G06Q50/00
Abstract: 本发明提供了一种面向社交媒体的在线争辩生成方法、系统及存储介质，该在线争辩生成方法包括：步骤1：收集用户在社交媒体上针对热点事件的在线争辩文本数据，对在线争辩文本数据进行人工标注；步骤2：收集与在线争辩文本数据相关的结构化知识与文本知识；步骤3：结合结构化知识与文本知识，利用在线争辩文本数据训练自然语言生成模型；步骤4：在真实争辩文本中，使用自然语言生成模型生成相应的争辩文本，该争辩文本用于改变用户的观点。本发明的有益效果是：本发明结合知识图谱信息，可以充分利用文本信息中的尝试知识，可以生成更流畅、更具有争辩性的文本。
-
公开(公告)号：CN115292551B
公开(公告)日：2025-05-16
申请号：CN202210793375.2
申请日：2022-07-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/901 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N5/04 , G06F40/279
Abstract: 本申请公开了事件因果关系识别模型的识别方法、设备及存储介质。该方法包括：基于文档的文本内容建立以向量表征的实例节点、事件节点以及文档节点；将各实例节点、事件节点与文档节点之间有条件地进行连接，以构建关系图模型；通过图卷积网络对关系图模型进行训练，以利用与每个实例节点、每个事件节点以及文档节点连接的其他节点对应更新各节点；基于更新后的各节点，通过节点之间已建立的连接关系获得两个事件节点之间的连接路径；基于两个事件节点之间的连接路径，计算两个事件节点之间的因果概率，以识别两个事件节点对应的文本事件之间的因果关系。通过上述方式，本申请实现以事件为单位进行因果关系识别，降低因果关系识别的误差。
-
公开(公告)号：CN115935030A
公开(公告)日：2023-04-07
申请号：CN202211516690.7
申请日：2022-11-29
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/9032 , G06F16/903 , G06F16/332 , G06F16/33 , G06F40/205
Abstract: 本申请公开了一种答案分析方法、装置及计算机可读存储介质，该方法包括：获取目标常识问题和对应的多个待分析答案；将目标常识问题和对应的多个待分析答案输入答案分析模型，得到多个答案中每一答案的典型性得分；筛选典型性得分对应的答案，并将筛序结果对应的答案作为目标常识问题的最终答案。通过上述方法，能够使常识问题的答案具有对应典型性，进而使最终答案更符合目标常识问题。
-
公开(公告)号：CN110222342A
公开(公告)日：2019-09-10
申请号：CN201910511670.2
申请日：2019-06-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 一种文本情感原因发现装置，该装置包括词-子句层级结构，包含有四部分：词级别编码器、词级别注意力、子句级别编码器、子句级别注意力；其中，词级别编码器，将文本送入词级别编码器，用于捕获词与词之间的序列特征；词级别注意力，通过当前词语的隐状态表示和与之对应的情绪表达词之间的关系来获得词级别的注意力值，用来指示当前词在其所在的子句中所占的重要程度，然后通过权重和累加操作获得每个子句的表示；子句级别注意力，利用一个分类器来获得当前子句是情感原因的概率，并以此作为子句的注意力值，同时将当前子句距离情绪表达词的距离的分布式表示与子句表示拼接；子句级别编码器，通过子句级编码器获取不同子句之间的结构性信息更新子句表示，通过softmax来获得分类特征的概率分布。通过该装置可以帮助机器更加精准地判断人类触发情感的原因。
-
公开(公告)号：CN110222342B
公开(公告)日：2023-05-02
申请号：CN201910511670.2
申请日：2019-06-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 一种文本情感原因发现装置，该装置包括词‑子句层级结构，包含有四部分：词级别编码器、词级别注意力、子句级别编码器、子句级别注意力；其中，词级别编码器，将文本送入词级别编码器，用于捕获词与词之间的序列特征；词级别注意力，通过当前词语的隐状态表示和与之对应的情绪表达词之间的关系来获得词级别的注意力值，用来指示当前词在其所在的子句中所占的重要程度，然后通过权重和累加操作获得每个子句的表示；子句级别注意力，利用一个分类器来获得当前子句是情感原因的概率，并以此作为子句的注意力值，同时将当前子句距离情绪表达词的距离的分布式表示与子句表示拼接；子句级别编码器，通过子句级编码器获取不同子句之间的结构性信息更新子句表示，通过softmax来获得分类特征的概率分布。通过该装置可以帮助机器更加精准地判断人类触发情感的原因。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
