公开(公告)号：CN119378535A

公开(公告)日：2025-01-28

申请号：CN202411442390.8

申请日：2024-10-16

Applicant: 江苏海洋大学

Inventor： 赵雪峰 ,  狄恒西 ,  柏长泽 ,  仲兆满 ,  仲晓敏

IPC: G06F40/211 ,  G06F40/247 ,  G06F16/35 ,  G06F17/16 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/047

Abstract: 本发明公开了融合多粒度特征和多层次融合网络的方面级情感分析方法，该方法首先通过RoBERTa预训练模型获取文本的上下文特征和方面词，并将其转换为词向量表示；接着利用图卷积神经网络(GCN)结合成分依赖树和结构树，引入外部知识，提取文本的成分结构、依赖关系、背景知识和上下文情感特征。随后，设计多层次融合过滤模块，通过交叉注意力机制和正交投影技术对特征进行过滤和精简。最终，使用Softmax函数预测文本的情感极性。本发明展示了在复杂自然语言处理任务中整合多种粒度信息特征的有效性，通过多种粒度特征和高效的特征融合技术的结合来提升ABSA模型的综合任务性能，能够提升方面级情感分析的准确性。

公开(公告)号：CN120014320A

公开(公告)日：2025-05-16

申请号：CN202510001985.8

申请日：2025-01-02

Applicant: 江苏海洋大学

Inventor： 赵雪峰 ,  柏长泽 ,  狄恒西 ,  仲兆满 ,  仲晓敏

IPC: G06V10/764 ,  G06V10/40 ,  G06V10/24 ,  G06V10/74

Abstract: 本发明提出了一种增强目标视觉特征的多模态方面级情感分析方法，旨在通过集成文本、方面词和图像数据，提高情感分析的准确性和细节解析能力。该方法结合句法依存关系分析和KNN算法，充分挖掘模态内细粒度信息，增强文本内容的深层语义理解。通过利用CLIP模型、相似度计算和Faster R‑CNN，精确定位图像中与方面词相关的关键视觉区域，优化视觉信息的处理。此外，采用交互注意力机制，深入挖掘模态间的关联特征，有效融合文本、方面词和图像信息。实验结果显示，本模型在公开数据集上的表现超越了多个基线模型，证明了其在多模态情感分析领域的应用潜力和效果。