龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：武汉大学
摘要：本发明公开了一种基于跨模态语法‑视觉图卷积网络的方面级情感分析方法及设备，包含一个跨模态图结构构造模块、一个类型敏感的图卷积网络完成模态间特征的更新。通过预训练模型获得图片和文本的特征向量表示，通过语法分析方法获得文本的图结构表示，构建新的依赖关系将图片特征向量并入图中构成新的整合式跨模态图结构，经由类型敏感的图卷积网络更新方面词对应的特征向量，利用全连接神经网络对该组评论完成最后的方面级情感检测。利用预训练模型获得了包含先验知识的基础特征表示，利用语法分析和新的跨模态图结构的构造，对跨模态评论进行细粒度的划分和组合，利用图网络完成细粒度融合，完成最终的情感分类检测。
主权项：1.一种基于跨模态语法-视觉图卷积网络的方面级情感分析方法，其特征在于，包括以下步骤：步骤1：构建评论数据集，该数据集中每一条评论包括图片、文本、方面词和该方面词所对应的情感类别，并将数据集划分为不相交的训练集和测试集；步骤2：构建深度学习模型，将训练集中图片和文本的集合作为深度学习模型的输入数据；所述方面词所对应的情感类别集合用于计算深度学习模型的损失函数,具体过程如下：将所述文本和图片转换为包含有先验知识的词向量，顺序拼接形成特征矩阵，构建初始化特征；将文本转换为语法分析树，更新重新分词后的特征矩阵，将图片的特征向量加入语法分析树中，与方面词直接相连；得到最终的跨模态图结构；利用多层类型敏感的图卷机网络更新跨模态图结构，获得融合邻居节点信息的新特征向量；得到方面词的最终特征向量表示；使用全连接神经网络对融合更新后的方面词特征向量进行类别概率预测，概率较大的可能性类型作为检测结果输出；步骤3：训练深度学习模型，将数据集中评论图片、文本、方面词以及对应的情感类别输入模型，计算预测结果与真实标签的损失函数，并优化模型。
全文数据：
权利要求：
百度查询： 武汉大学 基于跨模态语法-视觉图卷积网络的方面级情感分析方法及设备
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号