[发明专利]基于位置感知互注意力网络模型的属性级情感分类方法有效
| 申请号： | 201910751449.4 | 申请日： | 2019-08-15 |
| 公开（公告）号： | CN110489554B | 公开（公告）日： | 2021-06-18 |
| 发明（设计）人： | 相艳;张周彬;余正涛;郭军军;黄于欣;王红斌 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F40/247;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于位置感知互注意力网络模型的属性级情感分类方法，属于计算机及信息技术领域。本发明首先，利用两个LSTM网络对拼接位置信息的上下文和属性进行独立编码，然后，对上下文隐藏层的输出再次拼接位置信息，属性隐藏层的输出再次拼接属性的输入向量，接着，利用注意力机制让属性和上下文互作用学习获得更加有效的表示，最后，将上下文和属性进行拼接送入sofmax分类器中进行情感分类。该方法在SemEval 2014 Task4的Laptop和Restaurant两个不同领域的语料上进行了实验，均获得了比较好的结果。 | ||
| 搜索关键词： | 基于 位置 感知 注意力 网络 模型 属性 情感 分类 方法 | ||
【主权项】：
1.基于位置感知互注意力网络模型的属性级情感分类方法，其特征在于：首先进行语料预处理，针对英文语料，遍历全部语料查找出所有不同的词构建一个词典文件；然后，采用Google提供的Word2vec工具进行词向量300维的训练，上下文、属性、位置向量的计算；然后进行特征提取，利用两个LSTM网络对属性和拼接位置向量的上下文向量进行独立编码，上下文隐藏层再次拼接位置向量，强化位置信息的重要性；接着属性和上下文互动学习，计算它们各自的注意力权重，生成有效表示；最后，将属性和上下文生成的有效表示进行拼接作为最终的表示并送入softmax分类器中进行情感分类。/n
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昆明理工大学，未经昆明理工大学许可，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/201910751449.4/，转载请声明来源钻瓜专利网。
