专利名称：一种基于深度学习的文本情感分析方法     申请号：2019106558141     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：深度学习 文本情感分析   相似专利 发布日：2023/10/17  

专利名称：基于双向长短时记忆神经网络的文本情感分析方法      申请号：2018114141836     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 文本情感分析   相似专利 发布日：2023/07/10  
摘要： 本发明属于人工智能与数据挖掘的交叉领域，具体涉及基于双向长短时记忆神经网络的文本情感分析方法；所述方法包括以下步骤将文本映射词向量映射框架中，将所述文本表示为词向量矩阵；构建改进的卷积神经网络，对映射的词向量矩阵进行特征提取；利用双向长短时记忆循环神经网络对提取的特征进行训练，直至其损失函数最小时；在该循环神经网络后增加全局均值池化层和分类层，从而输出该文本的情感分类。本发明将深度学习应用在文本情感分析中，摆脱了人工提取文本情感特征的局限性，同时在深度学习领域结合了卷积神经网络和循环神经网络的优点，并对网络进行改进，使其能更好的应用在文本处理的任务中。

专利名称：基于多通道神经网络的文本情感分析方法      申请号：2020107838072     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络 网络传输 文本情感分析   相似专利 发布日：2023/07/10  
摘要： 本发明涉及一种基于多通道神经网络的文本情感分析方法，属于计算机技术领域。该方法包括步骤：1、将文本进行分词并映射为词向量矩阵；2、使用长短时记忆网络和卷积神经网络提取文本的高层上下文特征和原始上下文特征；3、利用多通道结构提取并融合不同视距的高层上下文特征和原始上下文特征，并通过局部注意力机制对各通道的特征进行加权，生成全局特征；4、利用全局注意力模块突出全局特征中的重要信息，最后使用Top‑K池化策略对特征进行筛选；5、利用自适应加权损失函数减少训练数据类不平衡对模型的影响。本发明能分析文本情感并对文本所表达的情感分类，实现了文本特征的准确提取和增强，具有较强的文本情感分析能力。

专利名称：一种基于新词扩展与复杂句式扩展的文本情感分析方法      申请号：2019111270952     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 文本情感分析   相似专利 发布日：2023/10/17  
摘要： 本发明请求保护一种基于新词扩展与复杂句式扩展的文本情感分析方法，包括步骤：S1，首先根据已有的情感词典构建基础词典，对已有词典进行清理和筛选；S2，对导入的中文语料进行数据清理，并根据基础情感词典对特定领域的情感词进行扩充；S3，在已有的方法的基础上，综合词频、词性和相似度计算，发现特定领域的新词并添加到基础词典中；S4，对中文句式结构进行分析，总结归纳出句式模型，并通过不同的模型来判断句子情感极性；S5，得出适合本方法的算法选择器，综合词典和句式模型得出句子极性结果。本发明相较于传统的情感词典+机器学习方法，专注于在特定领域的短文本句子情感识别，无论是准确率还是召回率都得到明显提高。