公开(公告)号：CN116843491A

公开(公告)日：2023-10-03

申请号：CN202310917228.6

申请日：2023-07-21

Applicant: 河南大学

Inventor： 徐树维 ,  司高飞 ,  唐志伟 ,  李兆可 ,  张敬芸

IPC: G06Q50/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种加强学习用户和物品embedding的图神经网络社交推荐方法。该方法包括：步骤1：将用户社交数据存储为图结构得到社交图，将用户对物品的评分数据存储为图结构得到用户‑物品图，并根据用户‑物品图构建得到物品‑物品图，将社交图、用户‑物品图和物品‑物品图组合在一起得到社交推荐图；步骤2：将所述社交推荐图分为训练集和测试集；步骤3：构建图神经网络，采用训练集对所述图神经网络进行训练得到社交推荐模型；步骤4：采用社交推荐模型对测试集的用户节点‑物品节点对进行预测，得到该用户节点对该物品节点的评分预测结果。本发明可以提高社交推荐对于评分预测的准确率。

公开(公告)号：CN118657142A

公开(公告)日：2024-09-17

申请号：CN202410827117.0

申请日：2024-06-25

Applicant: 河南大学

Inventor： 徐树维 ,  张敬芸 ,  唐志伟 ,  高鹏宇 ,  高鑫 ,  杨斌

IPC: G06F40/253 ,  G06F40/30 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于语法‑语义图卷积网络的方面级情感分析方法，包括：利用BERT编码器提取待分类文本数据集中的单词向量表示；利用句子语法依赖树的概率矩阵获取语法信息，通过注意力得分矩阵得出语义信息，随后将节点特征分别与语法信息、语义信息进行特征交互，进而捕获句子中每个词对的关系概率分布；构建语法‑语义图卷积网络模型，将每个单词作为图的节点，依赖关系作为边，聚合节点特征信息和边特征信息；为每个词对引入词性组合、句法依赖类型、基于树的距离和相对位置距离；依据文本深度信息分配权重进行分类输出，同时提取出方面词、意见词和情感极性三元组。本发明可以提高方面级情感分析中三元组提取任务的准确率。