買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜山東師范大學申請的專利一種基于交互雙重圖卷積網絡的情感預測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114528398B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210032949.4，技術領域涉及：G06F16/353；該發明授權一種基于交互雙重圖卷積網絡的情感預測方法及系統是由魯燃;王雪;劉培玉;朱振方設計研發完成，并于2022-01-12向國家知識產權局提交的專利申請。

本一種基于交互雙重圖卷積網絡的情感預測方法及系統在說明書摘要公布了：本發明提供了一種基于交互雙重圖卷積網絡的情感預測方法及系統，包括：獲取待預測的文本，并轉化為若干詞向量序列；提取若干詞向量序列的上下文信息，得到隱藏狀態向量；基于若干詞向量序列，采用句法圖卷積網絡，得到句法圖；基于所述隱藏狀態向量，采用語義圖卷積網絡，得到語義圖；基于句法圖和語義圖，交互學習句法信息和語義信息，得到交互學習后的句法圖和語義圖；基于交互學習后的句法圖和語義圖，預測得到待預測的文本的情感概率分布。提高了對情感極性判斷的準確性和穩定性。

本發明授權一種基于交互雙重圖卷積網絡的情感預測方法及系統在權利要求書中公布了：1.一種基于交互雙重圖卷積網絡的情感預測方法，其特征在于，包括：獲取待預測的文本，并轉化為若干詞向量序列；提取若干詞向量序列的上下文信息，得到隱藏狀態向量；基于若干詞向量序列，采用句法圖卷積網絡，得到句法圖；基于所述隱藏狀態向量，采用語義圖卷積網絡，得到語義圖；基于句法圖和語義圖，交互學習句法信息和語義信息，得到交互學習后的句法圖和語義圖；基于交互學習后的句法圖和語義圖，預測得到待預測的文本的情感概率分布；所述得到句法圖的具體步驟為：基于若干詞向量序列，計算面向方面的句法依賴關系鄰接矩陣；采用所述鄰接矩陣的語法編碼，將所述隱藏狀態向量作為初始節點表示，得到句法圖；所述基于若干詞向量序列，計算面向方面的句法依賴關系鄰接矩陣的具體步驟為：基于若干詞向量序列，生成依賴關系圖和權重依賴圖；對依賴關系圖和權重依賴圖進行集成，得到面向方面的句法依賴關系鄰接矩陣；所述語義圖卷積網絡通過多頭自注意力機制生成和更新語義圖；利用多頭自注意力機制得到K個注意力得分矩陣，把K個矩陣求和，再top-k選擇，top-k個重要的上下文詞被保留，初始化如下： （5） （6） （7） （8）其中，是第i個鄰接矩陣，表示進入第一層GCN之前選擇的前k大鄰接矩陣，和是可學習的矩陣，是偏差項，dlstm表示lstm的隱藏狀態維數，top-k函數表示從數據中找出前k個最大的數據，為隱藏狀態向量；基于若干詞向量序列，計算面向方面的句法依賴關系鄰接矩陣，將詞嵌入輸入Spacy解析器，來生成依存樹，進而利用依存樹生成普通圖，并對得到的圖進行細化得到特定方面的圖；每個輸入的句子在依存樹上生成一個普通的依賴圖，通過輸入句子的依存樹導出的鄰接矩陣： （1）；為了突出上下文詞中的特定方面，通過計算鄰接矩陣的每個元素的相對位置權重來優化圖，得到以方面為中心的增強依賴圖： （2）其中，是方面詞開始的位置，wi和wj是上下文詞，是方面詞集合；為了增強上下文詞的語法依賴并產生方面詞和上下文詞之間的關系，集成了面向方面的權重依賴圖和普通依賴關系圖，得到面向方面的句法依賴關系鄰接矩陣： （3）；與初始化不同的是，輸入是由層0到中產生的輸出串聯而成的，由多頭自注意力機制生成k個注意分數矩陣，跟初始化一樣，再利用softmax函數計算出概率最大的矩陣，進行top-k選擇，利用GCN層提取深層語義信息，將SemGCN最后一層輸出表示為，即語義圖，包含方面及其意見詞最相關語義信息，并且使用表示所有方面節點的隱藏表示，更新如下： （9） （10） （11） （12） （13）其中，和是可學習的矩陣，是偏差項，是雙向lstm的輸出。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東師范大學，其通訊地址為：250014 山東省濟南市歷下區文化東路88號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。