-
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
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：CN112926322A
公开(公告)日：2021-06-08
申请号：CN202110467831.X
申请日：2021-04-28
Applicant: 河南大学
IPC: G06F40/289 , G06F40/211 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于文本分类技术领域，特别涉及一种融合自注意力机制和深度学习的文本分类方法及系统，获取待分类文本数据集并进行预处理；利用已训练的深度学习模型对预处理后的待分类文本数据集进行分类处理，其中，深度学习模型包含：依次连接用于提取待分类文本数据集中句子级词向量表示的ERNIE预训练模块、用于依据句子级词向量表示来提取每个词上下文信息的BiLSTM模块、用于依据句子级词向量表示和每个词上下文信息来深层次提取每个词上下文信息的DPCNN模块、用于依据句子级侧向量表示和每个词上下文信息来提取文本深度信息分配权重的注意力机制模块及用于依据文本深度信息分配权重进行分类输出的Softmax模块，通过注意力机制和各模型结合来提升文本分类识别效果。
-
公开(公告)号：CN120067318A
公开(公告)日：2025-05-30
申请号：CN202510124175.1
申请日：2025-01-26
Applicant: 河南大学
IPC: G06F16/35 , G06F18/22 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开基于多视图多模态网络的社交媒体机器人检测方法和系统，该方法包括：步骤一：收集用户的文本数据、用户图关系类型数据和用户属性特征；步骤二：将文本数据输入到Roberta模型中，得到文本序列数据的概率分布；将用户图关系类型数据输入到Roberta模型中，得到用户图关系类型数据的概率分布；将用户属性特征输入到MLP模型中，得到用户属性特征的概率分布；步骤三：将文本序列数据的概率分布、用户图关系类型数据的概率分布和用户属性特征的概率分布输入到多头注意力多视图融合模型中，得到分类结果，完成社交媒体机器人检测。本发明可以更好捕捉不同数据类型间的高阶相关性，减低了分类结果可能存在的偏倚。
-
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
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。
-
-
-
Search Results
4
records
(took 0.012 seconds)
