公开(公告)号：CN113742482A

公开(公告)日：2021-12-03

申请号：CN202110813433.9

申请日：2021-07-19

Applicant: 暨南大学

Inventor： 刘文骁 ,  黄唯畅 ,  黄斐然 ,  刘炜麟 ,  黄忠财 ,  黄凯 ,  冯俊杰 ,  陈锌鸿

IPC: G06F16/35 ,  G06K9/62

Abstract: 本发明公开了基于多重词特征融合的情感分类方法、介质，包括：对训练样本集中各文本数据进行文本预处理，得到文本数据转换到的字向量、文本向量、位置向量和词性向量；建立基于Transformer模型的Encoder网络，在Encoder网络的编码层加入词性向量层；将训练样本集中各文本数据对应字向量、文本向量、位置向量和词性向量输入到Transformer模型的Encoder网络中；进行预训练任务，得到情感分类模型；基于情感分类模型对需要进行分类的文本数据进行分类。本发明利用Transformer健壮的网络结构使得信息能够得到充分的利用，在模型编码层创新性的加入词性层，在情感分析领域，得到了很好的效果。

公开(公告)号：CN113742482B

公开(公告)日：2024-05-31

申请号：CN202110813433.9

申请日：2021-07-19

Applicant: 暨南大学

Inventor： 刘文骁 ,  黄唯畅 ,  黄斐然 ,  刘炜麟 ,  黄忠财 ,  黄凯 ,  冯俊杰 ,  陈锌鸿

IPC: G06F16/35 ,  G06F18/25 ,  G06F18/24 ,  G06F18/214

Abstract: 本发明公开了基于多重词特征融合的情感分类方法、介质，包括：对训练样本集中各文本数据进行文本预处理，得到文本数据转换到的字向量、文本向量、位置向量和词性向量；建立基于Transformer模型的Encoder网络，在Encoder网络的编码层加入词性向量层；将训练样本集中各文本数据对应字向量、文本向量、位置向量和词性向量输入到Transformer模型的Encoder网络中；进行预训练任务，得到情感分类模型；基于情感分类模型对需要进行分类的文本数据进行分类。本发明利用Transformer健壮的网络结构使得信息能够得到充分的利用，在模型编码层创新性的加入词性层，在情感分析领域，得到了很好的效果。