Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 南京邮电大学章韵获国家专利权

南京邮电大学章韵获国家专利权

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!

龙图腾网获悉南京邮电大学申请的专利一种基于ERNIE和多特征融合的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:CN115712731B

龙图腾网通过国家知识产权局官网在2026-01-13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:202211589442.5,技术领域涉及:G06F18/2431;该发明授权一种基于ERNIE和多特征融合的多模态情感分析方法是由章韵;房辉设计研发完成,并于2022-12-12向国家知识产权局提交的专利申请。

一种基于ERNIE和多特征融合的多模态情感分析方法在说明书摘要公布了:本发明涉及自然语言处理技术领域,公开了一种基于ERNIE的多特征融合的多模态情感分析方法,具体为:对文本数据进行预处理得到数据集,对数据集划分;构建情感分析模型;将低层的字词特征与高层的语义特征组合;对表情进行双义嵌入;对文本数据进行分词并使用one‑hot编码得到对应的词性向量;将向量进行拼接,得到句子向量;送入CNN处理提取得到新的表示,送入分段池化层,在句子向量中分段提取最大特征并拼接,经平均池化后得到最终向量表示;对特征向量激活得到最终分类结果。本发明使用有权重的双义嵌入,即分别对正义、负义进行嵌入来解决表情歧义问题进而提取更多重要的特征信息以提高情感分类准确率。

本发明授权一种基于ERNIE和多特征融合的多模态情感分析方法在权利要求书中公布了:1.一种基于ERNIE和多特征融合的多模态情感分析方法,构建情感分析模型,所述情感分析模型包括词嵌入层、ERNIE和带有分段池化的CNN特征提取层以及FastText层,其特征在于:所述多模态情感分析方法包括以下步骤: 步骤1、获取带有emoji表情的文本数据形成文档作为训练语料,对文档进行数据预处理得到数据集,记录每个emoji表情出现在正向或负向文本中的比例,存储记录表; 步骤2、将步骤1中采集到的数据集按8:1:1的比例划分为训练集、验证集以及测试集; 步骤3、对不同文本类型进行标签标注,构建情感分析模型; 步骤4、将步骤1预处理后的数据通过查找ERNIE词典将对应字转化为向量,在原有句子向量尾部加入标签向量并输入ERNIE模型中,得到12层encoder共得到12组字的字向量表示,取2-12层CLS标识位对应的字向量拼接,即将低层的字词特征与高层的语义特征组合,作为每个句子的句子特征的向量表示,取第12层全部字向量作为每个句子的字特征的向量表示; 步骤5、使用FastText对含有emoji的文本进行双义嵌入,将得到的emoji向量存入向量表;具体为:取特定标识符分隔的emoji符号部分,得到文本中的emoji表情,将表情符号视作一个特殊的词,对同一文本赋予正负不同极性标记,通过使用FastText模型对文本中所出现的emoji表情在不同标记下做双义嵌入,即对emoji表情进行正义编码和负义编码并存入向量表中,emoji字符对应的词向量的形成过程如下: 步骤51、为每个单独emoji向量分配两个不同标记,分别用于在积极情感语境中使用的特定符号‘1’,另一个用于在消极情感语境中使用的特定符号‘0’; 步骤52、使用FastText训练将标志着不同极性的标识嵌入到不同的向量中,即可获得每个emoji的正义和负义嵌入,通过给定一个输入序列{,,…,},以及当前字的正义样本集和负义样本集,通过二元逻辑损失获得目标函数,通过最大化正义样本的得分并最小化负义样本的得分得到词向量: , 其中表示得分函数是通过当前单词的n元嵌入与上下文单词嵌入之间的标量积求和来计算的; 步骤6、对含有emoji的文本数据进行分词得到每个词的词性特征并使用one-hot编码得到对应的词性向量; 步骤7、将步骤4和步骤5得到的向量进行拼接,使用词性编码,根据文本对应位置再次拼接,查找表情正向或负向比例表,针对单个emoji出现多的极性使用词性向量标注,少的极性使用全0标注以赋予不同极性不同权重,得到每个句子对应的最终的融合文本、表情、词性和标签的句子向量; 步骤8、将步骤7得到的向量送入CNN中,使用卷积操作降维和特征提取得到新的表示,将卷积后得到的特征向量送入分段池化层,在句子向量中分段提取最大特征并拼接,经平均池化后得到最终向量表示; 步骤9、使用Tanh函数对步骤8处理后的特征向量激活,并送入带有dropout、Softmax的全连接层进行分类,得到最终分类结果。

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南京邮电大学,其通讯地址为:210003 江苏省南京市鼓楼区新模范马路66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。

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。