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！

龙图腾网恭喜重庆理工大学申请的专利基于增强语义句法信息的方面级情感分类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：CN114676687B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202210398610.6，技术领域涉及：G06F40/247；该发明授权基于增强语义句法信息的方面级情感分类方法是由王勇设计研发完成，并于2022-04-15向国家知识产权局提交的专利申请。

本基于增强语义句法信息的方面级情感分类方法在说明书摘要公布了：本发明具体涉及基于增强语义句法信息的方面级情感分类方法，包括：获取待测文本并输入经过预先训练的情感分类模型中，输出对应的分类预测结果；情感分类模型首先通过BERT预训练模型调整待测文本的词向量表示生成初级上下文表示；然后通过图注意力层提取上下文句法信息生成次级上下文表示；进一步更新词向量生成初级词嵌入表示和次级词嵌入表示，并平均池化生成粗粒度表示；再将初级上下文表示和次级上下文表示中的方面词最大池化作为细粒度表示；进而融合粗粒度表示以及细粒度表示中相同的粒度信息生成多粒度融合信息；最后通过分类器基于多粒度融合信息进行情感分类，得到分类预测结果。本发明能够有效克服噪音影响并能够增强语义句法信息。

本发明授权基于增强语义句法信息的方面级情感分类方法在权利要求书中公布了：1.基于增强语义句法信息的方面级情感分类方法，其特征在于，包括以下步骤：S1：获取待测文本；S2：将待测文本输入经过预先训练的情感分类模型中，输出对应的分类预测结果；其中，情感分类模型首先通过BERT预训练模型调整待测文本的词向量表示，生成初级上下文表示；然后通过图注意力层提取初始上下文表示中的上下文句法信息，生成次级上下文表示；进一步通过特定方面的注意力网络更新初级上下文表示和次级上下文表示中的词向量，生成初级词嵌入表示和次级词嵌入表示，并平均池化生成初级词嵌入表示和次级词嵌入表示的粗粒度表示；再将初级上下文表示和次级上下文表示中的方面词最大池化作为细粒度表示；进而融合初级词嵌入表示和次级词嵌入表示的粗粒度表示以及初级上下文表示和次级上下文表示方面词的细粒度表示中相同的粒度信息，生成多粒度融合信息；最后通过分类器基于多粒度融合信息进行情感分类，得到分类预测结果；步骤S2中，通过如下步骤生成初级上下文表示：S201：将待测文本对应转换为上下文序列和方面词表示其中wa是wc的子序列；S202：将上下文序列和方面词表示转换为如下w的形式，输入BERT预训练模型中； S203：通过BERT预训练模型输出如下的初级上下文表示hse；hse＝{hcls,h1,…,hn,hn+1,hn+2,…,hn+m+1,hn+m+2}；式中：hcls表示BERT预训练模型通过池化值得到情感分类信息；h1,…,hn表示上下文的词向量表示；通过如下步骤生成次级上下文表示：S211：通过多头自注意力网络聚合初级上下文表示中各个节点相邻节点的信息，得到具有句法信息的上下文表示； 式中：表示多头自注意力网络中l+1层的i个词向量；表示更新权重；表示第l层K个头的学习参数；Ni表示第i个节点的相邻节点域；表示拼接多头自注意力网络K个头的信息；表示第l层的上下文表示，如果l＝1则为BERT预训练模型最后一层的输出；表示学习参数；和表示可学习转换矩阵；分别表示l层第K个头第i和j个单词的词向量；d表示维度大小；S212：通过逐点卷积变换对句法信息进行变换，生成次级上下文表示hsy； 式中：h1表示经过第l层图注意力层中图注意力计算的输出；σ表示RELU激活函数；*表示卷积操作；和表示卷积操作的学习参数；和表示残差参数；S3：将情感分类模型输出的分类预测结果作为待测文本的方面级情感分类结果。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区李家沱红光大道69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”。