公开(公告)号：CN116933871A

公开(公告)日：2023-10-24

申请号：CN202310749455.2

申请日：2023-06-21

Applicant: 电子科技大学

Inventor： 惠孛 ,  高辉 ,  康昭 ,  纪尹钦 ,  赵思凡 ,  王晨阳

IPC: G06N5/025 ,  G06F18/25 ,  G06F18/22 ,  G06N3/045

Abstract: 本发明公开了一种实体角色感知的n元关系链接预测方法，包括以下步骤：首先对n元关系事实进行预处理，提取主三元组和辅助信息事实数据，以json格式存储，并构造训练和测试使用的缺失节点的n元关系数据；然后查询实体或关系嵌入矩阵获得事实中节点嵌入表示；接着使用角色感知器计算实体在对应关系条件下的角色嵌入向量；随后将角色嵌入与节点嵌入相融合；最后通过transformer获取事实内节点之间的交互作用，输出缺失节点在实体或关系集上的概率分布。本发明提高了预测准确率，解决了现有n元关系链接预测方法忽略了实体在n元关系中扮演的角色对预测的重要性，导致链接预测准确度较低的问题。

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。