公开(公告)号：CN116756319A

公开(公告)日：2023-09-15

申请号：CN202310749315.5

申请日：2023-06-21

Applicant: 电子科技大学

Inventor： 惠孛 ,  康昭 ,  高辉 ,  纪尹钦 ,  赵思凡 ,  程宇航

IPC: G06F16/35 ,  G06F40/284 ,  G06F18/213 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明公开了一种基于注意力网络的社交媒体文本细粒度情感分析方法，涉及深度学习领域，本发明采用了一种嵌套注意力机制，通过计算上下文文本与方面词之间的双向注意力来提取语义特征，充分获取方面词与上下文之间的双向注意力权重，捕获二者之间的交互关系。同时还使用了一种增强特征提取网络，将Transformer的输出作为双向LSTM的输入，利用双向LSTM的网络结构，弥补Transformen中通过位置编码只有序列的绝对位置信息，而失去了相对位置信息的问题，使得网络有着更强大的特征提取能力，进而使得本方法可以充分理解文本的语义信息，正确的划分目标方面的情感表达范围，提高情感分析准确率。

公开(公告)号：CN116432659A

公开(公告)日：2023-07-14

申请号：CN202310205698.X

申请日：2023-03-06

Applicant: 电子科技大学

Inventor： 康昭 ,  郭泉江 ,  程宇航 ,  李凯文

IPC: G06F40/30 ,  G06F18/22 ,  G06V10/40 ,  G06F18/24 ,  G06F18/214 ,  G06N3/048

Abstract: 本发明提供了一种基于标题正文相似度和作者隐含情感的虚假新闻检测方法，该方法通过文本语义特征提取模块提取文本的语义特征；通过图像语义特征提取模块提取图像的语义特征；通过作者隐含情感特征提取模块提取文本中作者潜在的情感特征；通过标题正文相似度提取模块提取新闻标题和正文之间的相似度特征；通过虚假新闻检测模块利用得到的特征向量预测新闻的真实性。通过五个模块的共同工作，很好地捕捉多模态新闻中文本和图像的语义层次特征、包含作者主观意图的潜在情感特征以及标题正文的相似性特征，使得在复杂场景下的虚假新闻检测比现有模型更适合。本发明在两个公开数据集上相较于现存的方法展现了巨大的优势。

公开(公告)号：CN116720155A

公开(公告)日：2023-09-08

申请号：CN202310749302.8

申请日：2023-06-21

Applicant: 电子科技大学

Inventor： 康昭 ,  田玲 ,  惠孛 ,  李思辰 ,  程宇航 ,  李凯文

IPC: G06F18/25 ,  G06F18/213 ,  G06F40/289 ,  G06V10/40 ,  G06V10/82 ,  G06V10/764 ,  G06V20/40 ,  G06N3/049 ,  G06N3/0464

Abstract: 本发明公开了一种基于多模态数据的重大突发事件舆情趋势预测方法，涉及网络技术领域，其包括以下步骤：采集重大突发事件的舆情数据并对其进行预处理，得到预处理后的舆情数据；根据预处理后的舆情数据的类型进行特征提取，获取各类型舆情数据的情感向量；将各类型舆情数据的情感向量与数值型的传播特征进行加权融合，得到舆情综合流行度；使用TCN时间序列预测模型对舆情综合流行度进行预测，完成基于多模态数据的重大突发事件舆情趋势预测。本方法解决了现有技术在舆情趋势预测时难以兼顾多模态数据使用和长序列信息处理，导致预测准确率低的问题。