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！

龙图腾网获悉福州大学申请的专利基于双重图卷积神经网络的视角级文本情感分类系统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：CN115858788B 。

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：202211634722.3，技术领域涉及：G06F16/353；该发明授权基于双重图卷积神经网络的视角级文本情感分类系统是由廖祥文;张纬峰;梁明;何佳;谢发梁设计研发完成，并于2022-12-19向国家知识产权局提交的专利申请。

本基于双重图卷积神经网络的视角级文本情感分类系统在说明书摘要公布了：本发明涉及一种基于双重图卷积神经网络的视角级文本情感分类系统，包括文本预处理模块，用于对视角级文本进行特征化处理；文本语义信息获取模块，用于捕获文本的双向语义依赖关系；注意力编码模块，用于捕获文本单词序列的全局内部相关性并生成文本语义关系图；相关语义图卷积神经网络模块，将GCN作用于文本语义图来建模句子结构；文本句法信息获取模块，用于捕获基于依存句法的文本信息；依存句法图卷积神经网络模块，将GCN直接作用于句子依存关系树来建模句子结构；双向映射模块，用于交换语义GCN与句法GCN信息之间的相关特征；情感类别输出模块，利用分类函数得到最终的情感分类结果。

本发明授权基于双重图卷积神经网络的视角级文本情感分类系统在权利要求书中公布了：1.一种基于双重图卷积神经网络的视角级文本情感分类系统，其特征在于，包括 文本预处理模块，用于对视角级文本进行特征化处理； 文本语义信息获取模块，用于捕获文本的双向语义依赖关系； 注意力编码模块，用于捕获文本单词序列的全局内部相关性并生成文本语义关系图； 相关语义图卷积神经网络模块，将GCN作用于文本语义图来建模句子结构，用于捕获文本中高度相关的语义信息 文本句法信息获取模块，用于捕获基于依存句法的文本信息； 依存句法图卷积神经网络模块，将GCN直接作用于句子依存关系树来建模句子结构，可将上下文的句法依赖信息从观点词传播到视角词； 双向映射模块，用于交换语义GCN与句法GCN信息之间的相关特征； 情感类别输出模块，利用分类函数得到最终的情感分类结果； 所述相关语义图卷积神经网络模块将GCN作用于文本语义图来建模句子结构，将视角词附近的相关语义信息聚合到视角词，捕获与视角词高度相关的语义信息，具体如下： 单个节点嵌入更新计算公式如下所示: 其中， ci＝1di； 式中，Aij表示句子的加权邻接矩阵，di表示节点i的度数，ci表示归一化常数，表示ReLU激活函数，表示节点j在第k层GCN的隐藏向量表示，Wk表示第k层GCN待学习的权重参数矩阵，bk表示第k层GCN待学习的权重参数向量； GCN的初始输入为注意力编码模块的输出向量，表示节点i在第k层的最终输出，得到通过GCN得到的最终向量表示Hsem，计算公式如下所示： 所述依存句法图卷积神经网络模块将GCN作用于句子依存关系树来建模句子结构，将视角词附近的句法信息聚合到视角词，捕获文本层级信息，具体为： 单个节点嵌入更新计算公式如下所示: 式中表示依存关系树的邻接矩阵，任意句子的依存关系树G都可以表示为n*n的邻接矩阵若节点i到节点j有边，则否则再者将每个单词都设置为与其自身相邻，即最终得到最终向量表示Hsyn： 所述双向映射模块将依存句法向量投影到相关语义向量空间，将相关语义向量投影到依存句法向量空间，交换句法GCN和语义GCN两个模块的有效特征，再屏蔽掉非视角词的隐藏状态向量，通过平均池化操作来保留视角词向量中的信息； 所述双向映射模块通过互相投影依存句法向量空间与相关语义向量空间，捕获Hsyn和Hsem两个GCN模块输出表征中相似的有效特征，更新算法如下： 式中，W1、W2表示该神经网络待学习的权重参数矩阵，得到两个输出矩阵： 选择屏蔽掉非视角词的隐藏状态向量，计算公式如下所示： hi＝01≤it,t+m≤i≤n； 式中，t表示视角词的位置，m表示视角词的长度，n表示句子长度； 再通过平均池化操作来保留视角词向量中大部分信息并拼接两个向量，得到最终的向量表示ha，计算公式如下所示： ha＝ghsem,hsyn； 式中，g·代表向量拼接函数，f·表示平均池化函数。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。