[发明专利]一种基于CNN-GRNN的读者情绪分布预测算法有效
| 申请号： | 201710792420.1 | 申请日： | 2017-09-05 |
| 公开（公告）号： | CN107608956B | 公开（公告）日： | 2021-02-19 |
| 发明（设计）人： | 彭志平;张琦;崔得龙;李启锐;何杰光 | 申请（专利权）人： | 广东石油化工学院 |
| 主分类号： | G06F40/216 | 分类号： | G06F40/216;G06F40/30;G06F16/35;G06N3/08 |
| 代理公司： | 广州润禾知识产权代理事务所(普通合伙) 44446 | 代理人： | 郑永泉 |
| 地址： | 525000 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于CNN‑GRNN（Convolutional Neural Network‑General Regression Neural Network）的读者情绪分布预测算法，与读者情绪有关的语义特征可以分配更大的注意力概率权重，突出了与读者情绪有关的语义特征的作用，减少了其他非相关特征的干扰，因此本算法又可称为CNN‑GRNN‑CBAT，其中CBAT表示Context Based Attention。 | ||
| 搜索关键词： | 一种 基于 cnn grnn 读者 情绪 分布 预测 算法 | ||
【主权项】：
一种基于CNN‑GRNN的读者情绪分布预测算法，其特征在于，包括如下步骤：S1、将文本的多个句子合并为一个数据集，通过每个句子对应的矩阵计算句子特征向量；S2、序列层：按上下文顺序从上到下依次对每个句子的句子特征向量进行迭代，每迭代一次就得到一个隐含层向量，并计算每个隐含层向量的注意力概率权重，将每个隐含层向量和相对应的注意力概率权重相乘后累加得到语义编码，再结合语义编码和最后迭代得到的隐含层向量进行聚合运算得到文本特征向量；S3、设文本情绪标签数目为k，将文本特征向量转换成长度等于k的向量，通过回归模型得到文本的情绪标签分布。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东石油化工学院，未经广东石油化工学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710792420.1/，转载请声明来源钻瓜专利网。
