公开(公告)号：CN119003774A

公开(公告)日：2024-11-22

申请号：CN202411071411.X

申请日：2024-08-06

Applicant: 江苏海洋大学

Inventor： 仲兆满 ,  吕慧慧 ,  张渝 ,  樊继冬 ,  崔心如 ,  黄泽宇

IPC: G06F16/35 ,  G06F40/211 ,  G06F40/284 ,  G06N3/0455 ,  G06N3/082 ,  G06N3/042

Abstract: 本发明公开了一种基于句法词法增强的图注意力网络模型的情感分析方法，本发明首先，模型不仅使用BERT模型捕捉句子的上下文重点语义信息，还结合句法依存树捕捉到的句法距离信息。接着，通过句法权重和词法权重信息生成的掩码矩阵优化特征向量，获得方面词相关特征表示。随后，在图注意力网络建模中，采用加权多头注意力机制，整合方面词相关的特征表示和权重边增强矩阵信息以进行情感极性分类。在四个公开基准数据集上的实验结果验证了该模型的有效性。

公开(公告)号：CN117806846A

公开(公告)日：2024-04-02

申请号：CN202311782685.5

申请日：2023-12-22

Applicant: 江苏海洋大学

Inventor： 仲兆满 ,  黄泽宇 ,  吴加莹 ,  管燕 ,  张丽玲

IPC: G06F9/54 ,  G06N3/0455 ,  G06F18/25

Abstract: 本发明是一种融合层次注意力机制的事件预测方法，涉及网络事件预测方法。其其步骤如下：结合连续时间领域内的时间序列信息，将序列通过层次注意力机制，形成事件层次化信息；利用点过程进行对层次信息的处理，并通过概率分布函数预测出事件发生的时间。该方法综合考虑了已有的时序点过程，在连续时间事件序列信息提取方面进行改进，将层次注意力机制与时序点过程结合，建立了层次时序点过程方法，在事件序列信息提取后，将信息通过层次注意力机制，将进一步分析后的信息投入点过程中进行预测，更合理地利用了点过程以及层次注意力相关理论，更合适于事件预测领域。

公开(公告)号：CN118761545A

公开(公告)日：2024-10-11

申请号：CN202410778556.7

申请日：2024-06-17

Applicant: 江苏海洋大学

Inventor： 仲兆满 ,  崔心如 ,  黄泽宇 ,  张渝 ,  张丽玲

IPC: G06Q10/063 ,  G06Q10/04 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明是一种融合动态时间信息的事件预测方法，涉及事件预测技术领域。该方法利用word2vec进行节点编码后的事件图输入到GAT模型中获得每个时间点的事件特征，获得事件语义信息；再利用获得的各个时间点的特征构成时间序列输入到多头注意力机制和LSTM中获得动态时间特征。本发明方法综合考虑了事件的语义信息和动态时间信息，利用GAT模型获得事件语义信息后，利用多头注意力机制和LSTM获得动态时间信息，将最后时刻的事件信息输入到最后的GAT模型中，GAT的输出经过线性层后输出最后突发事件是否会发生的概率，更合理地利用GAT模型获得事件语义信息和多头注意力机制结合LSTM获得动态时间信息的相关理论，更合适于事件预测领域。