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！

龙图腾网获悉国家计算机网络与信息安全管理中心申请的专利基于自注意的社交媒体主题评论的细粒度分类方法及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：CN115129807B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202210356737.1，技术领域涉及：G06F16/334；该发明授权基于自注意的社交媒体主题评论的细粒度分类方法及系统是由王苇;格日勒泰;胡潇设计研发完成，并于2022-04-06向国家知识产权局提交的专利申请。

本基于自注意的社交媒体主题评论的细粒度分类方法及系统在说明书摘要公布了：本发明公开了一种基于自注意的社交媒体主题评论的细粒度分类方法，包括：步骤a、对社交媒体主题评论数据进行预处理和细粒度分类标注，得到文本语料数据集，向量化得到向量化文本语料数据集；步骤b、构建基于多头输入结构层、LSTM层、自注意力层、正则化层、分类输出层的分类模型，经多次训练得到训练后的分类模型；步骤c、将待分类的社交媒体主题评论数据进行预处理、向量化后，输入到训练后的分类模型中，输出得到该社交媒体主题评论数据的细粒度分类。本发明具有对社交媒体主题评论进行情感倾向的细粒度分类的有益效果。提供一种基于自注意的社交媒体主题评论的细粒度分类系统，具有占用资源更少，更容易部署在本地的有益效果。

本发明授权基于自注意的社交媒体主题评论的细粒度分类方法及系统在权利要求书中公布了：1.基于自注意的社交媒体主题评论的细粒度分类方法，其特征在于，包括以下步骤： 步骤a、对原始社交媒体主题评论数据进行预处理和细粒度分类标注，得到文本语料数据集，并进行向量化，得到对应的向量化文本语料数据集； 步骤b、构建基于多头输入结构层、LSTM层、自注意力层、正则化层、分类输出层的分类模型，然后将向量化的文本语料数据和对应的分类标注，输入至分类模型中，进行训练，输出得到预测的分类结果，并通过交叉熵损失函数计算预测的分类结果与对应的分类标注的误差，然后通过AdamWarmup算法驱动误差反向传播，经多次训练后，得到训练后的分类模型； 步骤c、将待分类的社交媒体主题评论数据按步骤a进行预处理，并向量化，然后将向量化的数据输入到步骤b中训练后的分类模型中，输出得到该社交媒体主题评论数据的预测的分类结果，即该社交媒体主题评论数据的细粒度分类； 其中，所述分类模型包括多层特征提取层，每个特征提取层由一个LSTM层和一个自注意力层组成； 步骤b中向量化的文本语料数据复制多份分别作为多个输入量同时输入至多头输入结构层，多头输入结构层对各输入量进行位置编码，并将位置编码拼接融合至各输入量中，然后输入至LSTM层； 位置编码的拼接融合公式如公式1所示： 1 其中，表示LSTM层的输入向量；表示向量化的文本语料数据；表示模型输入量的位置向量，通过位置计算公式编码得到；表示融合操作；位置编码公式如公式2所示： 公式2 其中，PEpos，2i表示第2i维的位置编码，PEpos，2i+1表示第2i+1维的位置编码，pos表示句子中每个子词在句子中的位置，i表示输入量的某一维度，dmodel表示输入量的维度； 根据三角函数和差公式，如公式3所示： 公式3 式中，a、b分别表示为两个不同的变量； 将上述位置编码公式变换成公式4所示： 公式4。

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国家计算机网络与信息安全管理中心，其通讯地址为：100029 北京市朝阳区裕民路甲3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”。

以上内容由龙图腾AI智能生成。