公开(公告)号：CN114417172A

公开(公告)日：2022-04-29

申请号：CN202210096536.2

申请日：2022-01-26

Applicant: 西安交通大学

Inventor： 徐亦飞 ,  张美丹 ,  朱利 ,  尉萍萍 ,  程菊飞 ,  张屿琪 ,  曹帅

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种深度兴趣进化推荐方法、装置、设备和存储介质，训练数据集中提取模型所需要的用户特征和项目特征，并将提取的用户特征和项目特征按用户进行分组，对分组后的项目按时间戳进行排序，从排序后的项目中提取用户嵌入特征和项目嵌入特征，根据提取的用户特征和项目特征生成位置嵌入特征，将项目嵌入特征与位置嵌入特征相加后输入到建立的Transformer网络得到输出结果，将Transformer网络得到输出结果与用户嵌入特征连接后输入到一个两层的前馈神经网络，采用GELU作为激活函数得到最终的概率分布，通过概率分布得到最终预测项目，基于高阶特征融合的深度进化推荐方法，充分利用了用户信息和项目信息提升模型的预测能力，提高了预测推荐的准确性。

公开(公告)号：CN114429244A

公开(公告)日：2022-05-03

申请号：CN202210048303.5

申请日：2022-01-17

Applicant: 西安交通大学

Inventor： 徐亦飞 ,  张屿琪 ,  朱利 ,  尉萍萍 ,  曹帅 ,  张美丹 ,  程菊飞

IPC: G06Q10/04 ,  G06Q50/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的舆情流行度预测方法及系统，包括以下步骤，首先定义流行度，建立信息级联图与流行度之间的关系模型；基于关系模型级联图特征，获取级联图特征；基于关系模型级联图特征，获取时间序列特征；基于时间序列特征，得到每个时间间隔的情感值，生成情感序列特征；将级联图特征、时间序列特征和情感序列特征连接，计算得到未来流行度。本发明可以有效预测舆情事件的流行度。有助于对社会事件的管理，减少经济损失，解决了现有技术中级联图表示效率低下，预测的准确率不理想的技术问题。

公开(公告)号：CN114372475A

公开(公告)日：2022-04-19

申请号：CN202210033958.5

申请日：2022-01-12

Applicant: 西安交通大学

Inventor： 徐亦飞 ,  曹帅 ,  朱利 ,  尉萍萍 ,  张屿琪 ,  程菊飞 ,  张美丹

IPC: G06F40/30 ,  G06F40/126 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于RoBERTa模型的网络舆情情感分析方法及系统，通过对网络舆情信息进行分割，获取文本分割后序列的input embedding，并在input embedding层生成对抗网络，有效提升了模型的泛化能力，再将分割后的文本信息分别输入到预训练模型中获取文本信息的词嵌入特征，并进一步获取长文本信息的更高维度特征，进而对长文本的情感进行分析，提高了对特征的抽取能力，增强了获取网络舆情内容的上下文信息和语义的能力，提高了网络舆情情感分析的准确率，有助于对社会、企业对网络舆情进行管控和分析，减少因网络舆情处理不当造成的经济损失。解决了现有技术中网络舆情情感分析的准确率不理想的问题。