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！

龙图腾网获悉西安电子科技大学;中国食品发酵工业研究院有限公司申请的专利基于GCN的方面级多模态情感分析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：CN116756314B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310719473.6，技术领域涉及：G06F18/241；该发明授权基于GCN的方面级多模态情感分析方法是由王笛;田昌宁;薛洁;万波;王泉;何立火;田玉敏;罗雪梅;王义峰;赵辉设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本基于GCN的方面级多模态情感分析方法在说明书摘要公布了：本发明公开了一种基于GCN的方面级多模态情感分析方法，包括下述步骤：生成训练集；构建方面级多模态情感分析网络；训练方面级多模态情感分析网络；对方面级多模态情感极性进行分类。本发明构建了基于GCN的方面级多模态情感分析网络，利用图卷积神经网络将语法信息融入文本特征中，使得方面词能够关注到正确意见词所表达的情感信息，减少文本中噪声的影响。本发明将图像分割为图像块并与文本模态融合，构建用于融合模态的图卷积神经网络，融合相关联的图像信息，获取图像中与方面词相关的细粒度图像信息，减小图像中噪声信息的影响，有效提高情感分析的准确度。

本发明授权基于GCN的方面级多模态情感分析方法在权利要求书中公布了：1.一种基于GCN的方面级多模态情感分析方法，其特征在于，构建并训练方面级多模态情感分析模型；该分析方法的步骤包括如下： 步骤1，生成训练集： 选取至少3000条多模态数据，提取每条多模态数据中文本模态的语法解析树，通过语法解析树构建文本邻接矩阵；将多模态数据中的图像均匀分割为16×16个图像块；将所有的多模态数据、文本邻接矩阵、图像块和真实情感标签组成训练集； 步骤2，构建方面级多模态情感分析网络： 步骤2.1，构建由文本特征提取模块、文本图卷积模块、方面文本特征聚合模块串联组成的文本模态处理子网络，该子网络的输出向量维度为768；所述文本特征提取模块采用BERT网络结构，所述文本图卷积模块由图卷积神经网络构成，该图卷积神经网络共有3层，所述方面文本特征聚合模块由1层平均池化实现； 步骤2.2，构建由图像特征提取模块、文本-图像模态融合模块、融合图卷积模块和方面融合特征聚合模块组成的融合模态处理子网络，该子网络的输出向量维度为768；所述图像特征提取模块采用ViT网络结构，所述文本-图像模态融合模块由1层跨模态Transformer层实现，所述融合图卷积模块由融合邻接矩阵计算层与图卷积神经网络串联构成，该图卷积神经网络共有3层，所述方面融合特征聚合模块由1层平均池化层实现； 步骤2.3，构建由特征聚合层和1层全连接层组成的情感预测子网络，该子网络的输出向量维度为3； 步骤2.4，将文本模态处理子网络和融合模态处理子网络级联为方面级情感特征提取组后，再与情感预测子网络串联组成方面级多模态情感分析网络； 步骤3，训练方面级多模态情感分析网络： 将训练集输入到方面级多模态情感分析网络中，文本特征提取模块和图像特征提取模块前向传播，分别提取文本特征和图像特征；文本-图像模态融合模块前向传播，得到融合特征；文本图卷积模块和融合图卷积模块前向传播，分别得到基于图的文本特征和基于图的融合特征；方面文本聚合模块和方面融合特征聚合模块前向传播，得到基于方面的文本特征和基于方面的融合特征；情感预测子网络前向传播，得到预测情感标签；使用交叉熵损失函数计算预测情感标签和真实情感标签之间的损失值，利用梯度下降法对随机产生的网络初始权重进行训练，迭代更新网络参数，直至网络损失函数收敛为止，得到训练好的方面级多模态情感分析网络； 步骤4，对方面级多模态情感极性进行分类： 将待分析的多模态数据，分别采用与按照步骤1的方法获取对应的文本邻接矩阵和图像块，分别输入进训练完成的方面级多模态情感分析网络中，输出方面词所对应的情感极性。

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西安电子科技大学;中国食品发酵工业研究院有限公司，其通讯地址为：710071 陕西省西安市太白南路2号；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”。