-
公开(公告)号：CN118468855A
公开(公告)日：2024-08-09
申请号：CN202410583783.4
申请日：2024-05-11
Applicant: 重庆邮电大学
IPC: G06F40/211 , G06F40/30 , G06F40/253 , G06F40/284 , G06F18/213 , G06F18/2431 , G06F18/22 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于混合图卷积网络的方面级情感分析方法；包括：对情感文本进行预处理，得到句子表示；采用自注意力机制和方面感知注意力机制对句子表示进行处理，得到语义语法加强感知矩阵；采用语法掩码层对语义语法加强感知矩阵进行处理，得到增强句法特征信息矩阵；采用GCN网络对增强句法特征信息矩阵和句子表示进行处理，得到GCN特征；将GCN特征和语义语法加强感知矩阵输入到Mixhop网络中，得到Mixhop特征；对语义语法加强感知矩阵和Mixhop特征进行跨注意力机制处理，得到注意力向量；拼接注意力向量、Mixhop特征和GCN特征后输入到分类器中得到方面级情感分类结果；本发明可加强语法感知，缓解平滑问题，提高分类结果准确性。
-
公开(公告)号：CN118607523A
公开(公告)日：2024-09-06
申请号：CN202410332692.3
申请日：2024-03-22
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06N3/044 , G06N3/08 , G06F16/33
Abstract: 本发明属于命名实体识别领域，具体涉及一种用于中文医疗嵌套命名的实体识别方法，包括：获取公开数据集，对公开数据集进行预处理；采用循环神经网络RNN对预处理后的数据进行处理，得到翻译数据；获取原始文本句子集合，构建类别标签信息；将句子和类别标签信息分别输入到编码器中，得到标签信息向量表示和句子向量表示；将翻译数据输入到Bert模型中，得到增强的词汇表；分别对句子向量表示和标签信息向量表示进行预处理；对预处理后的句子向量表示进行词汇增强；将增强后的句子向量表示与标签信息向量表示进行拼接融合，将融合后的向量表示输入到实体识别模型中，得到实体的识别结果；本发明引入不同类别的知识，解决了嵌套实体识别问题。
-
公开(公告)号：CN118467747A
公开(公告)日：2024-08-09
申请号：CN202410224274.2
申请日：2024-02-29
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06N3/045 , G06N3/0464 , G06N3/0499
Abstract: 本发明属于本发明属于知识图谱领域，具体涉及一种基于联合抽取和链接预测的知识图谱构建及补全方法，包括：基于潜在关系检测和条件实体映射的联合实体关系抽取方法用来构建知识图谱；融合图结构信息和多重特征的知识图谱链接预测方法来对抽取阶段生成的知识图谱进行自动补全。本发明的方法解决了现有知识图谱构建方法在三元组抽取过程中存在的关系冗余、噪声导致的不能准确识别出重叠三元组的问题，以及在知识图谱补全阶段全局特征捕获不充分、未利用图结构信息的问题。
-
公开(公告)号：CN118114764A
公开(公告)日：2024-05-31
申请号：CN202410348446.7
申请日：2024-03-26
Applicant: 重庆邮电大学
IPC: G06N5/025 , G06N5/02 , G06N3/0455 , G06N3/096 , G06F40/295
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种多粒度的实体关系抽取方法；包括：将预处理好的训练文本输入到句子编码器中进行处理，得到每层的句子隐藏状态向量和两个词的实体隐藏状态向量；构建多种粒度下的实体隐藏状态向量矩阵并根据该矩阵计算得到两个词的实体最终表示；对每层的句子隐藏状态向量进行加权层池化处理，拼接两个词的实体最终表示和池化处理得到的句子序列编码结果，得到句子综合表示；重构标签并对重构后的标签进行编码；根据句子综合表示和重构标签编码进行对比学习；计算三元损失并根据三元损失调整模型参数，得到训练好的模型；本发明可解决缺乏同时考虑文本全局与局部信息、获得的文本编码结果缺乏迁移学习效果的问题。
-
-
-
Search Results
4
records
(took 0.018 seconds)
