-
公开(公告)号：CN111159400B
公开(公告)日：2023-09-26
申请号：CN201911315255.6
申请日：2019-12-19
Applicant: 苏州大学
Abstract: 本发明提及一种产品评论情感分类方法，包括：获取对象产品相关评论的文本信息，对其进行文本转换，以将文本信息转换成统一的向量形式；以转换成向量形式的评论为基础，区分并且提取对象产品的至少一个属性标签；以转换成向量形式的评论为基础，预测得到评论的情感标签；结合对象产品的属性标签和预测得到的评论的情感标签，针对对象产品的每个评论进行情感分类与属性分类的联合学习，寻找两者之间存在的共性关系。本发明充分考虑文本与其他因素之间的联系，通过提取与评论相关联对象产品的属性信息，来辅助提升对评论星级预测的准确度。实验表明，本发明能够在一定程度上显著提升评论打星状况分类的准确度。
-
公开(公告)号：CN116489142A
公开(公告)日：2023-07-25
申请号：CN202310397410.3
申请日：2023-04-14
Applicant: 苏州大学
IPC: H04L67/06 , H04L1/00 , G06N3/098 , G06F18/214
Abstract: 本发明公开了一种联邦学习方法及联邦学习系统，学习方法包括：初始化：初始化全局模型参数；分发：将部分或全部全局模型参数下发到边缘设备；参数训练：对全局模型参数进行预训练；更新与上传：服务器下载部分剩余的全局模型参数，并下发到边缘设备进行参数训练，并提前上传部分模型参数更新，在完成训练时，上传最终模型参数更新；聚合：对所有的模型参数进行加权平均，聚合为新的模型；对新的模型重复顺序执行初始化、分发、参数训练和更新与上传以及聚合步骤。通过联邦学习方法，在边缘设备的训练阶段上传部分训练完成的模型参数，可以减少边缘设备在整体模型训练完成后的上传数据量，以此实现了降低边缘设备的上传模型参数的时间。
-
公开(公告)号：CN111159400A
公开(公告)日：2020-05-15
申请号：CN201911315255.6
申请日：2019-12-19
Applicant: 苏州大学
Abstract: 本发明提及一种产品评论情感分类方法，包括：获取对象产品相关评论的文本信息，对其进行文本转换，以将文本信息转换成统一的向量形式；以转换成向量形式的评论为基础，区分并且提取对象产品的至少一个属性标签；以转换成向量形式的评论为基础，预测得到评论的情感标签；结合对象产品的属性标签和预测得到的评论的情感标签，针对对象产品的每个评论进行情感分类与属性分类的联合学习，寻找两者之间存在的共性关系。本发明充分考虑文本与其他因素之间的联系，通过提取与评论相关联对象产品的属性信息，来辅助提升对评论星级预测的准确度。实验表明，本发明能够在一定程度上显著提升评论打星状况分类的准确度。
-
-
Search Results
3
records
(took 0.019 seconds)
