-
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:CN115344794A
公开(公告)日:2022-11-15
申请号:CN202210996908.7
申请日:2022-08-19
申请人: 重庆邮电大学
IPC分类号: G06F16/9537 , G06N5/00 , G06N5/02
摘要: 本发明属于知识图谱和推荐系统领域,具体涉及一种基于知识图谱语义嵌入的旅游景点推荐方法,该方法包括:获取待推荐的实体数据,根据构建的知识图谱获取实体数据,提取实体的结构特征向量和属性特征向量;采用推荐模型对结构特征向量和属性特征向量进行增强处理,并获取模型的优化参数;根据优化参数、实体数据以及增强后的结构特征向量和属性特征向量计算推荐预测向量;根据推荐预测向量为待推荐的实体进行推荐;本方法在知识图谱的下游任务中使用,将协同过滤中的共现矩阵转换为图模型,让推荐方法保持可解释性的同时,增强了特征的表达效果。
-