本发明涉及一种方面级情感三元组提取方法、装置及计算机设备。本发明所述的一种方面级情感三元组提取方法包括以下步骤，获取输入的语句，对其进行编码，得到所述语句中的单词的上下文表示，构建区间级别的词性标注信息和成分句法信息，使得模型能够充分学习区间文本内部单词的语义联系信息进而得到区间特征表示；通过图神经网络和依存句法关系，并融合区间特征表示，提取方面术语和意见术语之间的语义交互信息，得到方面‑术语特征表示；再完成情感极性的判断，完成情感三元组的提取。本发明所述的一种方面级情感三元组提取方法、装置及计算机设备，具有能学习内部的语义信息以及术语之间的交互信息，提高方面级情感三元组提取准确度的优点。
📄 2022109357343
📂 G06F40_30
👤 华南师范大学
📅 2022-08-04
本发明涉及一种方面级情感分析方法：获取待分析的目标文本及目标方面词；对目标文本中的第i个词进行掩码标记后，输入预训练语言模型获取第一向量表示；对目标文本中的第i个词和第j个词共同掩码标记后，输入预训练语言模型获取第二向量表示；根据第一向量表示和第二向量表示计算第i个词与第j个词间的影响值，根据每两个词间的影响值构建影响矩阵；从影响矩阵中提取依赖树；根据依赖树和目标方面词获得局部上下文特征；将目标文本和目标方面词输入词嵌入模型，得到全局词嵌入向量；将全局词嵌入向量和局部上下文特征融合，得到融合特征；根据融合特征进行预测，得到目标方面词在目标文本中的极性。提高了对目标方面词的极性预测的准确度。
📄 2022107426442
📂 G06F40_30
👤 华南师范大学
📅 2022-06-28
本发明公开了一种面向智能交互的句子对语义匹配方法和装置，属于人工智能、自然语言处理领域。本发明要解决的技术问题为如何捕获语义特征和句子交互信息，以实现人机交互句子对的智能语义匹配。采用的技术方案为通过构建并训练由多粒度嵌入模块、多级对齐匹配网络模块、特征增强模块和标签预测模块组成的句子对语义匹配模型，实现对句子信息的多级对齐匹配表示，通过一维最大池化和交互生成句子对的匹配张量并判定句子对的匹配度，达到句子对智能匹配的目标。该装置包括句子对语义匹配知识库构建单元、训练数据集生成单元、句子对语义匹配模型构建单元及句子对语义匹配模型训练单元。
📄 2021103710801
📂 G06F40_30
👤 南方电网互联网服务有限公司
📅 2021-04-07
本发明公开了一种基于多种中文知识资源的中文词语语义关系识别方法和装置。方法包括：结合多种中文知识资源获取反义词集合，根据反义词集合判定词语间语义关系是否具有反义关系；使用多种中文知识资源提取部分词集合，根据部分词集合判定词语间是否具有整体部分关系；利用多种中文知识资源提取同义词集合，基于同义词集合判定词语间是否具有同义关系；借助于多种中文知识资源提取下位词集合，根据下位词集合判定词语间是否具有上下位关系。利用本发明，可以充分发挥多种中文知识资源的作用，更准确有效地识别中文词语语义关系。
📄 2017107074207
📂 G06F40_30
👤 南方电网互联网服务有限公司
📅 2017-08-17
本发明公开了一种意图槽值双向交互的自然语言理解方法，采用BERT语义编码模块对用户输入的话语进行文本预处理，并进行语义编码，然后将意图表示向量输入到意图注意力模块，生成语义增强的意图表示向量，并通过自注意语义交互模块，双向交互语义增强的意图语义表示向量和槽语义表示向量，获得最终的意图语义表示向量和槽语义表示向量，然后将最终的意图表示向量和槽语义表示向量输入到CRF语义解码模块，获得最后话语的意图和槽值。本发明使用预训练知识显著提高意图识别和槽填充的识别效果，使得系统可以应用在高精度的NLU场景上，提高了系统的预测精度。
📄 2022106725220
📂 G06F40_30
👤 浙江工业大学
📅 2022-06-14
融合主题模型和卷积神经网络的垂直域实体消歧方法，包括：1、构建领域知识库；2、将预处理后的数据集进行词向量模型训练，并构建相应的词典；3、提取出待消歧实体名称，并从领域知识库中确定该实体对应的候选实体集，将实体上下文信息进行词向量化表示；4、将经人工标注的训练集语料利用词库构造代表实体主题的关键词字典作为输入，训练并保存主题模型；5、将经人工标注的数据集作为训练集和验证集进行训练，优化模型参数并保存CNN模型；6、根据步骤4和5中得到的主题特征相似度Sim1和语义特征相似度Sim2，利用权值归一化操作以最优方式融合两种特征相似度；7、取值最大的融合相似度对应的候选实体为最终消歧实体。
📄 2020106801969
📂 G06F40_30
👤 浙江工业大学
📅 2020-07-15
一种用于工业知识图谱构建的复杂语义关系抽取方法，属于自然语言处理技术领域，所述方法包括以下步骤：步骤1、结合工业文本数据上下文构建动态提示获得工业实体间关系表征；步骤2、采用对比学习增强关系存储队列中关系特征的类内聚合和类间分离；步骤3、动态优化训练过程，用收敛后的模型推理工业知识图谱中工业实体间的关系。本发明考虑了工业文本数据上下文的语义以及实体标注集中实体类型信息，并利用关系存储队列对不同语义关系进行类内聚合和类间分离，关系抽取准确性高，知识图谱构建性能好。
📄 2025101152743
📂 G06F40_30
👤 浙江工业大学
📅 2025-01-24
一种基于改进DBSCAN算法的Web服务聚类方法，所述服务聚类方法包括以下步骤：第一步、计算领域本体中两个概念A和B之间的语义相似度；第二步、结合概念相似度计算方法，给出服务S1与服务S2输入相似度Siminput的计算方法；第三步、结合概念相似度计算方法，给出服务S1与服务S2输出相似度Simoutput的计算方法；第四步、结合求得的服务输入相似度Siminput与服务输出相似度SimOutput计算服务S1与服务S2的功能相似性FunctionalSim(S1,S2)；第五步、结合第四步的服务功能相似性度量方式给出服务聚类算法。本发明实现较好的服务聚类效果，从而缩短服务演化时间。
📄 2018109392938
📂 G06F40_30
👤 浙江工业大学
📅 2018-08-17
一种基于深度学习的中文文本语义压缩方法，对于输入的一篇中文文本，经过系统模型，能够最大程度上压缩其语义。本发明结合了双向长短期记忆网络(Bi‑LSTM)以及自注意力机制(Self‑Attention)优势，极大程度上改善了无线通信网络中发送端的文本语义压缩效果，有效地节省无线通信传输所需要的带宽资源，从而使得接收端信息处理效率进一步提升。
📄 202210608472X
📂 G06F40_30
👤 浙江工业大学
📅 2022-05-31
一种基于深度学习的中文文本分类方法，结合Word2Vec词向量与LDA词向量作为词嵌入以增强文本主题特征；编码阶段将自注意力机制以及RNN网络结合可以实现对文本进行深度语义特征提取的同时保留序列特征。本发明对于输入的一篇中文文本，运用系统模型，能够有效提升文本分类的准确率。本发明融合了Word2Vec词向量与LDA词向量作为词嵌入，并结合了循环神经网络(RNN)以及自注意力机制(Self‑Attention)的特征提取优势，极大程度上改善了文本分类准确率，从而使得人们的信息处理效率进一步提升。
📄 2022106148172
📂 G06F40_30
👤 浙江工业大学
📅 2022-05-31
本发明公开了一种融合语言模型与语义特征的关键词提取方法，包括：提取目标文本中的名词和名词短语构成候选词集合，利用语言模型分别针对目标文本和候选词集合生成目标文本表征向量和候选词表征向量；对候选词表征向量降维后进行聚类操作，得到具有若干个聚类的聚类集合；基于候选词与目标文本的语义相似度确定各聚类待提取关键词的名额，并从各聚类中筛选对应名额的候选词，生成候选关键词集合；利用最大边界相关算法从候选关键词集合中提取候选词，得到最终关键词。本发明显著提升关键词提取的准确性和多样性。
📄 2022105504593
📂 G06F40_30
👤 浙江工业大学
📅 2022-05-18
一种基于本体的Web服务功能相似性度量方法，所述服务功能相似性度量方法包括以下步骤：第一步、计算领域本体中两个概念A和B之间的语义相似度；第二步、结合第一步的概念相似度计算方法，给出服务S1与服务S2输入相似度Siminput的计算方法；第三步、结合第一步的概念相似度计算方法，给出服务S1与服务S2输出相似度Simoutput的计算方法；第四步、结合第二步与第三步求得的服务输入相似度Siminput与服务输出相似度SimOutput计算服务S1与服务S2的功能相似性FunctionalSim(S1,S2)。本发明能够合理地度量服务间的功能相似性，优化服务聚类效果。
📄 2018109391884
📂 G06F40_30
👤 浙江工业大学
📅 2018-08-17
柿子坊 · 知识产权运营
柿子坊知识产权运营平台