本发明公开了一种具有鲁棒性的多模态情感分析方法，首先获取待预测对象的文本、音频和视频三种模态特征序列中的至少一个，对于缺失的模态特征序列，通过训练好的模态翻译模块生成所缺失的模态，从而得到三种模态特征序列。然后将三种模态特征序列输入到训练好的情感预测模块中，得到待预测对象的情感预测结果。本发明技术方案使用MGT模型来统一过去在模态翻译中的编码解码架构，并使用MUT模型来对多模态信息进行融合，为了进一步得到统一的多模态表征，还引入了全零初始化的特殊序列MMSeq，不仅能够同时克服模态缺失和多模态序列非对齐的问题，并且还能够提高情感分析的准确率。
📄 2023102487463
📂 G06F18_213
👤 浙江工业大学
📅 2023-03-09
本发明公开了考虑误差传递及多模态数据的汽车智能座舱情感分析方法，方法考虑了汽车座舱内的多种模态数据，将不同模态的数据分别进行利用和识别之后，得出不同模态数据下关于汽车座舱功能的情感，另外，考虑了各模态预测结果中存在的误差，通过信息熵将这种误差进行传递，并且最终将三种模态的结果进行融合，最后得出汽车座舱内功能情感分析结果。本发明能以较高的精度来判定用户关于座舱应用的真实情感，可以更好的满足企业的实际需求。
📄 2022112008441
📂 G06V40_16
👤 广东工业大学
📅 2022-09-29
本公开提出了基于多头注意力和图卷积网络的方面级情感分析方法及系统，包括：将输入文本进行处理获得上下文化表示；针对获得的上下文化表示，使用多头自注意机制捕捉上下文语义信息，之后通过一个卷积变换层转换多头自注意力层收集到的信息，同时，针对获得的上下文化表示，使用注意力增强的图卷积网络捕捉句子依存树中的结构信息并更新每个单词节点的特征表示，进行方面词输出；将得到的方面词输出进行池化操作，并将转换多头自注意力层收集到的信息后的输出送入多头交互注意力中，得到多头交互注意力的输出；得到最终的情感极性预测结果。
📄 2020115985548
📂 G06F40_30
👤 山东师范大学
📅 2020-12-29
本发明公开了一种基于可信性驱动的多模态情感分析方法及系统，属于人工智能技术领域。本发明系统包括：模态特征解耦重构模块，通过构建共享路由混合专家模型分离模态共享表示和模态私有表示，并重构模态特征，实现语义一致性；动态模态感知校准模块，通过模态贡献分析组件评估各模态实际贡献度，通过一致性监督约束组件基于皮尔逊相关系数的排序监督机制量化模型自学习权重与模态贡献值的一致性，增强模型可靠性；门控多模态融合模块，通过门控融合框架主动激活低贡献模态的潜在信息，提高融合的完整性。本发明方法通过强化弱模态贡献，缓解语义歧义和融合权重不可靠的问题，能够有效地提升模型的可靠性和准确性。
📄 2025119378941
📂 G06F18_25
👤 南京信息工程大学
📅 2025-12-22
本发明涉及情感分析领域，特别涉及一种基于交互方面信息融合的语句情感分析方法，方法包括：获得待测语句的句子表示，其中，待测语句包括若干个句子；将待测语句的句子表示输入至预设的神经网络模型中的句子编码模块，获得待测语句的词嵌入表示；将待测语句的词嵌入表示以及句子表示输入至神经网络模型中的语义通道，获得待测语句的语义特征；将待测语句的词嵌入表示以及句子表示输入至神经网络模型中的句法通道，获得待测语句的句法特征；将待测语句的词嵌入表示、语义特征以及句法特征输入至神经网络模型的分类模块中，获取神经网络模型的分类模块输出的情感分析结果。
📄 2022112965823
📂 G06F40_30
👤 华南师范大学; 广东泰迪智能科技股份有限公司
📅 2022-10-21
本发明公开了一种基于关键词加权信息的情感分析方法，涉及自然语言处理技术领域。本发明的一种基于关键词加权信息的情感分析方法，通过对文本数据进行清理和词向量训练，得到词向量文件输入双向长短时记忆网络，捕获每个单词的上下文信息，将提取出的关键词矩阵与双向长短时记忆网络的输出进行拼接，输入给CRF层进行修正，再使用分类器判别文本的类别输出与实际类别相比较来训练网络，用训练好的模型预测待预测文本的情感极性，取概率最大的类别作为预测的类别输出。本发明的情感分析方法，在充分获取上下文信息的同时，能利用关键词信息使文本的分类更加准确，同时利用CRF融合上下文的关系特征，该方法可以更准确地对文本内容的情感极性进行分类。
📄 202111471099X
📂 G06F40_289
👤 重庆邮电大学
📅 2021-12-03
本发明涉及一种基于情感分析的社交网络影响力传播模型构建方法，属于社交网络影响力传播领域。包括以下步骤：步骤一，通过微博API抓取微博数据，清洗数据用以分析。步骤二，对每条微博的情感倾向进行分析，用来改进影响力传播模型。步骤三，选取种子集作为影响力的传播者。步骤四，加入情感因子到激活概率的计算公式中，通过改进后的激活概率计算方法来判断节点是否被激活。步骤五，将被激活节点加入到种子集中，同时进行影响力的传播，最后得到所有激活节点即为影响力传播的结果。
📄 201810289067X
📂 G06F40_30
👤 重庆邮电大学
📅 2018-04-03
本发明涉及一种基于DualGCN的文本情感分析方法，属于文本分析领域。该方法为：首先对文本进行预处理，使用预训练的Glove词嵌入，利用BERT作为encoder来挖掘句子的隐藏状态向量，利用生成树提供的短语级语法结构和依赖树从句语法结构的信息，替代以往仅从依赖树获取语法结构信息，考虑到方面之间的影响，将依赖树结构和组成树结构的融合，解决了方面级情感分析长距离依赖问题；增加了GCN中每一层的感受野。最后通过语法模块和语义模块的信息交流，由softmax来输出分类结果。该方法利用了语法结构的信息，缓解了GCN容易出现的过度平滑现象，能有效提高分类的精度。
📄 2023103922217
📂 G06F40_30
👤 重庆邮电大学
📅 2023-04-13
本发明公开了一种面向社交网络短视频的多模态情感分析方法及系统，包括获取社交网络短视频的视频模态信息、文本模态信息和音频模态信息；根据所述视频模态信息、文本模态信息、音频模态信息和预先训练的面向社交网络短视频的多模态情感分析模型，获得社交网络短视频的情感分析结果。本发明通过构造损失函数，学习各模态间的共性特征，利用交叉注意力模块得到经过辅助学习的各模态的特征，减小弱模态表达，增大强模态表达，提高了模态间情感极性分析的准确度，解决了现有技术中对社交网络短视频的多模态情感分析单一，忽略模态间情感极性矛盾，不能有效提取共性特征，导致情感分析不准确的问题。
📄 2024106141064
📂 G06F16_783
👤 南京信息工程大学
📅 2024-05-17
本申请提供一种图文情感分析方法，包括：根据方面词训练样本的方面词全局表示、图像训练样本、名词与方面词训练样本的反向注意力权重、实体名词的正向注意力表示和实体名词的反向注意力表示构建对比内容溯源损失函数，根据正向注意力表示及其对应的名词、反向注意力表示及其对应的名词构建对比内容交换损失函数，以及根据训练样本的情感分析结果构建情感损失函数，然后根据对比内容溯源损失函数、对比内容交换损失函数和情感损失函数构建训练约束函数训练初始情感分析模型，得到图文情感分析模型，再将包含句子、方面词和图像的待分析图文数据输入至图文情感分析模型，可以准确得到待分析图文数据的情感分析结果。
📄 2024100042826
📂 G06F40_30
👤 华南师范大学
📅 2024-01-03
本申请涉及一种情感分析方法、装置、设备以及存储介质。方法包括：获取目标语句对应的上下文隐藏向量以及属性词对应的属性词隐藏向量；根据属性词隐藏向量、上下文隐藏向量、训练好的图卷积网络、训练好的属性词的门机制模型以及预设的属性词的屏蔽操作，生成第一隐藏表示；根据第一隐藏表示、属性词隐藏向量、协同注意力机制以及自注意力机制，生成第二隐藏表示；根据上下文隐藏向量、属性词隐藏向量、协同注意力机制以及自注意力机制，生成第三隐藏表示；将第二隐藏表示以及第三隐藏表示进行拼接，获得情感特征表示；根据情感特征表示，生成情感分析结果。本申请具有提高情感分析的准确性的优点。
📄 2021106295571
📂 G06F40_30
👤 华南师范大学
📅 2021-06-07
本发明涉及情感分析领域，特别涉及一种句子情感分析方法，方法包括：获取待测语句的句子表示、依赖信息以及词性标注信息，将待测语句的句子表示输入至词嵌入模型，获取待测语句的词嵌入表示；将待测语句的词嵌入表示、依赖类型信息以及词性标注信息输入记忆神经网络，获取待测语句的依赖类型特征表示以及词性标注特征表示；将待测语句的词嵌入表示、依赖类型特征表示以及词性标注特征表示输入至图卷积神经网络，获取隐藏层特征表示，获取距离数据，将隐藏层特征表示以及距离数据输入至面向方面词语句表示模型，获取目标语句特征表示；将方面词对应的隐藏层特征表示、目标语句特征表示输入至全连接神经网络，获取情感分析结果。
📄 2022105955530
📂 G06F40_30
👤 华南师范大学
📅 2022-05-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台