買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江工業(yè)大學(xué)申請(qǐng)的專利一種基于圖神經(jīng)網(wǎng)絡(luò)的電影評(píng)論情感分類方法及裝置獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114528374B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210060250.9，技術(shù)領(lǐng)域涉及：G06F16/35；該發(fā)明授權(quán)一種基于圖神經(jīng)網(wǎng)絡(luò)的電影評(píng)論情感分類方法及裝置是由楊旭華;陶進(jìn);張宇辰;徐新黎設(shè)計(jì)研發(fā)完成，并于2022-01-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于圖神經(jīng)網(wǎng)絡(luò)的電影評(píng)論情感分類方法及裝置在說明書摘要公布了：本發(fā)明公開了一種基于圖神經(jīng)網(wǎng)絡(luò)的電影評(píng)論情感分類方法及裝置，基于文本句子自身特有的語法信息和文本單詞的窗口共現(xiàn)關(guān)系，將其構(gòu)建成圖數(shù)據(jù)結(jié)構(gòu)，分別獲取文本共現(xiàn)圖和句法依存圖的鄰接矩陣，進(jìn)一步將單詞嵌入向量矩陣和鄰接矩陣輸入到圖卷積網(wǎng)絡(luò)模塊得到加權(quán)加權(quán)特征矩陣，采用混合池化模塊對(duì)文本共現(xiàn)圖的加權(quán)特征矩陣和句法依存圖的加權(quán)特征矩陣進(jìn)行池化操作，得到文本共現(xiàn)圖的特征向量和句法依存圖的特征向量，對(duì)特征向量進(jìn)行融合后輸入到分類器得到分類結(jié)果。本發(fā)明使得學(xué)習(xí)得到的網(wǎng)絡(luò)表示不僅僅包含鄰近單詞的信息，也包含因?yàn)檎Z法關(guān)系相關(guān)的比較遠(yuǎn)的單詞的信息，從而提高情感分類的準(zhǔn)確性。

本發(fā)明授權(quán)一種基于圖神經(jīng)網(wǎng)絡(luò)的電影評(píng)論情感分類方法及裝置在權(quán)利要求書中公布了：1.一種基于圖神經(jīng)網(wǎng)絡(luò)的電影評(píng)論情感分類方法，其特征在于，所述基于圖神經(jīng)網(wǎng)絡(luò)的電影評(píng)論情感分類方法，包括：收集電影評(píng)論文本數(shù)據(jù)集，對(duì)每個(gè)電影評(píng)論文本進(jìn)行預(yù)處理，得到文本詞匯表，將文本詞匯表中的單詞用嵌入向量表示，得到電影評(píng)論文本的單詞嵌入向量矩陣；將文本詞匯表中的單詞作為節(jié)點(diǎn)，單詞之間的共現(xiàn)關(guān)系作為連邊構(gòu)建文本共現(xiàn)圖，得到文本共現(xiàn)圖的鄰接矩陣；將文本詞匯表中的單詞作為節(jié)點(diǎn)，句法關(guān)系作為連邊構(gòu)建成文本的句法依存圖，得到句法依存圖的鄰接矩陣；將單詞嵌入向量矩陣和文本共現(xiàn)圖的鄰接矩陣輸入到文本共現(xiàn)圖卷積網(wǎng)絡(luò)模塊，得到文本共現(xiàn)圖的加權(quán)特征矩陣；將單詞嵌入向量矩陣和句法依存圖的鄰接矩陣輸入到句法依存圖卷積網(wǎng)絡(luò)模塊，得到句法依存圖的加權(quán)特征矩陣；采用混合池化模塊對(duì)文本共現(xiàn)圖的加權(quán)特征矩陣和句法依存圖的加權(quán)特征矩陣進(jìn)行池化操作，得到文本共現(xiàn)圖的特征向量和句法依存圖的特征向量；采用自適應(yīng)特征融合模塊對(duì)文本共現(xiàn)圖的特征向量和句法依存圖的特征向量進(jìn)行自適應(yīng)融合；將自適應(yīng)融合后的融合特征輸入到文本分類器模塊，預(yù)測(cè)出電影評(píng)論文本的情感分類結(jié)果；其中，所述將單詞嵌入向量矩陣和文本共現(xiàn)圖的鄰接矩陣輸入到文本共現(xiàn)圖卷積網(wǎng)絡(luò)模塊，得到文本共現(xiàn)圖的加權(quán)特征矩陣，包括：先將單詞嵌入向量矩陣和文本共現(xiàn)圖的鄰接矩陣輸入到文本共現(xiàn)圖卷積網(wǎng)絡(luò)模塊，得到文本共現(xiàn)圖的特征矩陣：H＝[h1,…,hi,…,hs]＝GCN1A,X；其中，A表示文本共現(xiàn)圖的鄰接矩陣，X表示單詞嵌入向量矩陣，hi表示文本共現(xiàn)圖中第i個(gè)單詞對(duì)應(yīng)的特征向量，S為詞匯表中單詞的個(gè)數(shù)，GCN1表示文本共現(xiàn)圖卷積網(wǎng)絡(luò)模塊；然后使用注意力機(jī)制對(duì)文本共現(xiàn)圖的特征矩陣H的每一個(gè)節(jié)點(diǎn)的嵌入向量進(jìn)行加權(quán)，獲得文本共現(xiàn)圖的加權(quán)特征矩陣：H′＝[h′1,…,h′i,…,h′s]，其中h′i＝tanhMLP1hi*sigmoidMLP2hi，MLP1、MLP2表示多層感知機(jī)；所述將單詞嵌入向量矩陣和句法依存圖的鄰接矩陣輸入到句法依存圖卷積網(wǎng)絡(luò)模塊，得到句法依存圖的加權(quán)特征矩陣，包括：先將單詞嵌入向量矩陣和和句法依存圖的鄰接矩陣輸入句法依存圖卷積網(wǎng)絡(luò)，獲得句法依存圖的特征矩陣：M＝[m1,…,mi,…,ms]＝GCN2C,X；其中，C表示句法依存圖的鄰接矩陣，X表示單詞嵌入向量矩陣，mi表示句法依存圖中第i個(gè)單詞對(duì)應(yīng)的特征向量，S為詞匯表中單詞的個(gè)數(shù)，GCN2表示句法依存圖卷積網(wǎng)絡(luò)模塊；然后使用注意力機(jī)制對(duì)句法依存圖的特征矩陣M的每一個(gè)節(jié)點(diǎn)的嵌入向量進(jìn)行加權(quán)，獲得句法依存圖的加權(quán)特征矩陣：M′＝[m′1,…,m′i,…,m′s]，其中m′i＝tanhMLP3mi*sigmoidMLP4mi，MLP3、MLP4表示多層感知機(jī)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市下城區(qū)潮王路18號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。