-
公开(公告)号:CN116306669A
公开(公告)日:2023-06-23
申请号:CN202310160965.6
申请日:2023-02-22
申请人: 重庆邮电大学
IPC分类号: G06F40/30 , G06F40/211 , G06F18/214 , G06N3/0442
摘要: 本发明属于自然语言处理技术领域,具体涉及一种基于上下文层级自注意力网络的话语情绪识别方法,包括获取单个话语的词向量;学习词向量上下文的隐层表征;计算上下文自注意力权重;特征融合与池化;形成话语向量;学习话语向量的上下文隐层表征;计算话语上下文自注意力权重;特征融合与全连接;话语情绪识别;模型训练和参数优化;本发明构建的全局上下文、深度上下文和全局深度上下文注意力方法能够从不同角度捕获上下文信息,并从词级、话语级两个维度来增强话语情绪识别模型的性能,因此本发明提出的模型性能在层级上下文表征上要优于大多数现有的话语情绪分类模型,在情绪准确率上有明显的提升效果。
-
公开(公告)号:CN115906868A
公开(公告)日:2023-04-04
申请号:CN202211531365.8
申请日:2022-12-01
申请人: 重庆邮电大学
IPC分类号: G06F40/30 , G06F40/289 , G06F18/214 , G06F18/25 , G06N3/04 , G06N3/0442 , G06N3/0499
摘要: 本发明属于自然语言处理领域,设特别涉及一种基于义原知识与抽象语义表征用于复述识别的方法及系统,包括:对语句进行分词处理并进行词汇级向量表征和义原知识知识表征;将义原知识表征结果采用均值处理,并使用全局语义信息对均值处理结果进行交互注意力特征信息提取得到全局义原表征;从句子结构上对待识别复述语句进行抽象语义解析得到单根有向无环图,并进行全局义原表征与词汇级向量表征;按照无环图有向的顺序提取全局和局部特征信息,并对该信息进行距离特征度量;将距离特征度量结果输入到神经网络中,得到识别结果;本发明引入外部义原知识来进行语义表征,通过全局语义信息辅助义原知识表征的准确性,并解析中文复述语句的抽象语义获取其语义关系,从而提高复述识别的准确性。
-