公开(公告)号：CN115577111A

公开(公告)日：2023-01-06

申请号：CN202211402051.8

申请日：2022-11-09

Applicant: 哈尔滨理工大学

Inventor： 艾思雨 ,  陈海龙 ,  崔欣莹 ,  安锐

IPC: G06F16/35 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种自注意力机制的文本分类方法，属于自然语言处理文本分类领域。该方法包括：从互联网获取数据集，按照比例划分为训练集和测试集；利用Glove技术将数据转换为词向量；利用改进的文本分类方法对词向量进行特征提取，得到最优特征向量表示；利用数据集文本分类模型进行训练，得到文本分类预测模型；将测试集输入最佳文本分类预测模型中得到分类预测结果。该方法解决了无法全面的获取单词之间隐藏语义信息的问题，也极大改善了文本分类效果。实验结果验证了所提方法的有效性。

公开(公告)号：CN116562298A

公开(公告)日：2023-08-08

申请号：CN202211611893.4

申请日：2022-12-14

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  崔欣莹 ,  安锐

IPC: G06F40/30 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提出一种基于时序‑热度双注意力机制融合双向长短时记忆网络的舆情情感分析方法，属于自然语言处理中的情感分析领域。针对传统的舆情情感分类方法只单独使用单一的深度学习或将RNN等与注意力机制相结合的方法，其并没有考虑到在舆情分析中舆情发生的时间点，以及在网络中某句话的热度效应。提出一种将三者结合，将数据的时间特征和热度特征作为注意力机制的两种极性并且融合了双向长短时记忆网络进行对舆情的情感分析模型，能细致准确的提取源域时序数据和目标域时序数据的共同情感特征进行分析工作，最终达到提升舆情情感分析准确率的目的。

公开(公告)号：CN116383384A

公开(公告)日：2023-07-04

申请号：CN202310320040.3

申请日：2023-03-29

Applicant: 哈尔滨理工大学

Inventor： 陈海龙 ,  安锐 ,  艾思雨 ,  崔欣莹

IPC: G06F16/35 ,  G06F40/279 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于自然语言处理技术领域，且公开了一种基于双向长短时记忆网络融合注意力机制的文本分类方法，包括如下步骤：步骤1：数据输入阶段；步骤2：预处理阶段；步骤3：Bi‑LSTM层阶段；步骤4：卷积层阶段；步骤5：注意力机制阶段；步骤6：分类输出阶段；步骤7：模型验证测试阶段。本发明解决了当前文本分类方法无法更好的提取文本局部特征合适的权重从而影响分类准确率的问题，可以充分的提取数据中的文本信息，并弥补了循环神经网络无法并行处理数据的问题。