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！

龙图腾网恭喜河海大学申请的专利基于最大概率填充和多头注意力机制的文本情感识别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：CN114742047B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210447939.7，技术领域涉及：G06F40/284；该发明授权基于最大概率填充和多头注意力机制的文本情感识别方法是由戴梦瑶;朱李玥;刘文强;柏雪嫣;邢莉娟设计研发完成，并于2022-04-26向国家知识产权局提交的专利申请。

本基于最大概率填充和多头注意力机制的文本情感识别方法在说明书摘要公布了：本发明公开了一种基于LDA最大概率填充和多头注意力机制的文本情感识别方法，该方法包括以下步骤：1获取文本数据集，进行文本预处理；2通过Word2Vec模型获取字典和词向量矩阵；3使用LDA最大概率方法填充词向量矩阵；4由Text‑CNN网络卷积操作挖掘文本的局部特征，经过多头注意力机制进行权重重分配，最后由Softmax得到情感极性的分类概率。本发明能较好地适应长度灵活的网络情感文本的分类任务，既能充分解决了短文本数据稀疏和填充的问题，也能应对长文本信息提取的困难。

本发明授权基于最大概率填充和多头注意力机制的文本情感识别方法在权利要求书中公布了：1.一种基于LDA最大概率填充和多头注意力机制的文本情感分类方法，其特征在于，包括以下步骤：步骤1：获取文本数据集，进行文本预处理；步骤2：按照格式将数据集输入word2vec模型训练词向量，获得词-词向量映射字典和数据集对应的词向量矩阵A；步骤3：按照格式将数据集输入LDA主题模型，选取最优的主题数参数值K，得到文本-主题-词的概率分布；步骤4：以数据集中最长的文本长度为基准，使用最大概率主题下的LDA填充方式来填充词向量矩阵A，得到长短一致的词向量矩阵B；步骤5：输入词向量矩阵B到Text-CNN模型，提取局部上下文特征；经过卷积和池化操作，获取全局特征向量T；步骤6：使用Multi-HeadAttention模型，以全局特征向量T作为输入，引入多头注意力机制，获取多个子空间拼接而成的特征向量G；步骤7：使用全连接网络和SoftMax分类器，以特征向量G作为输入，进行分类，得到情感极性的分类概率并输出；所述步骤4中，以数据集中最长的文本长度为基准，使用最大概率主题下的LDA填充方式词向量矩阵的具体步骤如下：步骤S41：寻找数据集中所有文档中的最长的文本长度Lmax，作为词向量的基准长度；步骤S42：为数据集中每个文本长度L小于Lmax的文档进行填充操作：步骤S43：寻找文档对应文档-主题矩阵中的最大概率主题topici，步骤S44：通过topici主题的词概率分布，依照词概率从大到小，依次选取前Lmax-L个单词；步骤S45：通过步骤3中训练得到的字典将Lmax-L个单词词映射成Lmax-L个n维词向量；步骤S46：使用词向量依次对词向量矩阵进行填充，直至当前文档的词向量长度等于Lmax；步骤S47：重复S43-S46直至所有的文档长度都为Lmax；步骤S48：得到了等长的词向量矩阵；所述步骤5采用Text-CNN模型，主要的特征是对输入文本数据进行卷积操作；在Text-CNN模型中的具体步骤如下：步骤S51：输入长短一致的词向量矩阵，进入卷积层；利用共享的多个卷积核与感受野做卷积运算，提取局部特征，并经过激活函数做非线性运算，获得特征矩阵；步骤S52：特征矩阵经过池化层，在最大池化的作用下选出特征矩阵的最大值，跟其他通道的最大值拼接，组合成全局特征向量T。

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河海大学，其通讯地址为：211100 江苏省南京市江宁区佛城西路8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”。