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！

龙图腾网获悉黄冈职业技术学院申请的专利一种计算机文本情感识别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：CN120821846B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510975514.7，技术领域涉及：G06F16/35；该发明授权一种计算机文本情感识别方法是由吴克文设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本一种计算机文本情感识别方法在说明书摘要公布了：本发明涉及文本情感识别技术领域，且公开了一种计算机文本情感识别方法，包括如下步骤，首先对计算机文本进行预处理，依据AFINN情感词典匹配文本中的情感词典建立情感得分函数，初步判断情感倾向，通过卷积神经网络提取计算机文本中情感特征向量，通过循环神经网络进一步提取情感特征向量，形成包含多层次语义信息的情感特征向量，优化注意力机制，完善卷积神经网络和循环神经网络的提取过程，将情感特征向量输入机器学习系统中，进行训练，对计算机文本的情感数据进行细化分类，获取需要分析的计算机文本，利用机器学习系统自动对计算文本进行分析识别，得到计算机文本的对应情感。

本发明授权一种计算机文本情感识别方法在权利要求书中公布了：1.一种计算机文本情感识别方法，其特征在于，包括如下步骤： S1：首先对计算机文本进行预处理； S2：依据AFINN情感词典匹配文本中的情感词典建立情感得分函数，初步判断情感倾向； S3：通过卷积神经网络提取计算机文本中情感特征向量； S4：通过循环神经网络进一步提取情感特征向量，形成包含多层次语义信息的情感特征向量； S5：优化注意力机制，完善卷积神经网络和循环神经网络的提取过程； S6：将情感特征向量输入机器学习系统中，进行训练，对计算机文本的情感数据进行细化分类； S7：获取需要分析的计算机文本，利用机器学习系统自动对计算机文本进行分析识别，得到计算机文本的对应情感； 所述S3包括如下步骤： 首先通过词级与字符级混合嵌入构建多粒度文本表示，其中词级嵌入捕捉全局语义而字符级嵌入挖掘词形特征，随后采用并行多尺度1D卷积核同步提取局部组合特征，再动态调整各卷积核的权重分配，接着利用LeakyReLU激活函数增强非线性表达能力，避免神经元失活问题，再通过Swish激活函数增强深层网络的表达能力，再通过混合池化策略实现层次化特征聚合，同时结合残差连接将原始输入嵌入与池化结果融合以缓解梯度消失；最终经全连接层特征降维并施加Dropout正则化，输出兼具局部敏感性与鲁棒性的情感特征向量； 所述混合池化策略包括如下步骤： 比较纹理复杂度与评判阈值之间的大小，判断进行局部最大池化或者全局平均池化； 时进行局部最大池化： 其中，为局部最大池化后的输出，为池化窗口高度大小，为池化窗口宽度大小，为池化高度步长，为池化宽度步长，H，W分别是特征图高度尺寸和宽度尺寸； 时进行全局平均池化： ； 其中，是全局平均池化后的输出，H，W分别是特征图高度尺寸和宽度尺寸，是位置的特征值； 然后将所有尺度的局部特征向量进行拼接融合得到局部特征矩阵，将所有尺度的全局特征向量拼接融合得到全局特征矩阵； 最终将局部特征矩阵与全局特征矩阵进行特征拼接操作得到联合特征矩阵，公式如下： ； 其中，为联合特征矩阵，m为空间维度，n为局部特征通道数，k为全局特征维度，为m维空间维度、n个局部特征通道的局部特征矩阵，为m维空间维度、k维全局特征维度的全局特征矩阵； 所述纹理复杂度的计算公式如下： ； 其中，H，W分别为特征图的高度和宽度，是位置的特征值，是特征图的均值； 评判阈值的计算公式如下： ； 其中，M为样本数量，r为样本索引，为第r个样本的纹理复杂度。

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黄冈职业技术学院，其通讯地址为：438000 湖北省黄冈市黄州区南湖桃园街109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。