Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中科智禾数字科技(北京)有限公司张殷获国家专利权

中科智禾数字科技(北京)有限公司张殷获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中科智禾数字科技(北京)有限公司申请的专利一种多类知识体系下的情感分析分类方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117235256B

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202311007745.6,技术领域涉及:G06F16/353;该发明授权一种多类知识体系下的情感分析分类方法是由张殷;付立军;刘雨江;徐知非设计研发完成,并于2023-08-10向国家知识产权局提交的专利申请。

一种多类知识体系下的情感分析分类方法在说明书摘要公布了:本发明涉及自然语言处理领域,提出了一种多类知识体系下的情感分析分类方法,目的在于解决已有多分类方法较低准确率的问题。主要方案包括对推文进行数据预处理和数据增强,得到文本数据集G。然后采取LLM策略,将文本及标签进行编码后放入大语言模型进行微调,得到五分类向量。使用BERT模型进行编码,得到对应的隐藏向量,然后对隐藏向量进行特征提取得到特征向量,不断更新训练参数,将特征向量经过Softmax得到概率值,并把概率映射到解空间,得到二分类结果。将二分类结果放入构建好的prompt模板,对LLM结果层输出进行提示干预,得到五分类的最终答案。

本发明授权一种多类知识体系下的情感分析分类方法在权利要求书中公布了:1.一种多类知识体系下的情感分析分类方法,其特征在于,包括以下步骤: 步骤1:训练数据和验证数据均采用sst-5公开数据集,测试数据来自于twitter用户推文及评论,采用selenium爬虫获取; 训练、验证、测试数据集均以[label,sentence]的格式存放,其中label={1,2,3,4,5}表示5种情感,label=1表示极负向情感,label=2表示微负向情感,label=3表示中立情绪,label=4表示微正向情感,label=5表示极正情感; 步骤2:对训练数据进行数据增强,对名词进行实体抽取,并采用算法EDA-SR实现同义词替换,扩展原始数据集,然后对数据进行预处理后得到文本数据集G; 步骤3:对于LLM模型,应用文本数据集G构建5分类数据集并进行编码得到编码集E,对于BERT模型,应用文本数据集G构建正负2分类数据集并进行编码得到编码集E′; 步骤4:使用LLM模型,利用生成式大语言模型对编码数据集E进行特征提取,得到特征向量,过运算得到初步分类的5类向量: llm_ans=LLME; 步骤5:利用BERT模型对编码数据集E′进行特征提取,得到特征向量,再采取softmax运算输出情感正负性2分类结果: pos_neg_ans=softmaxBERTE′; 步骤6:将BERT模型得到的2分类结果封装入prompt模板; 步骤7:LLM模型是生成式对话模型,将prompt模板嵌入到LLM模型的输入中,从而控制LLM模型的生成结果和方向,LLM模型会根据提示信息进行对话生成; 步骤8:LLM模型的llm_ans向量在prompt模块的指导下,生成符合用户期望的5分类回答,answer是最终分类结果: answer=LLMllm_ans+prompt 其中,prompt能够提示语义的正负性信息,从而控制模型的预测方向,进而减少LLM模型的错误生成,提升模型的生成准确性。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中科智禾数字科技(北京)有限公司,其通讯地址为:101499 北京市怀柔区北房镇幸福西街3号1幢101室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。