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！

龙图腾网获悉合肥工业大学申请的专利一种基于细粒度事件信息增强的短文本隐式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：CN116029293B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310052123.9，技术领域涉及：G06F40/289；该发明授权一种基于细粒度事件信息增强的短文本隐式情感分类方法是由倪丽萍;刘玉强;陈星月;王琪设计研发完成，并于2023-02-02向国家知识产权局提交的专利申请。

本一种基于细粒度事件信息增强的短文本隐式情感分类方法在说明书摘要公布了：本发明公开了一种基于细粒度事件信息增强的短文本隐式情感分类方法，其步骤包括：1、使用事件抽取器抽取短文本中的事件类型、触发词及其他事件元素形成细粒度的单事件元组；2、使用BERT预训练模型分别对单事件元组和短文本进行表征，分别得到单事件元组和短文本的特征向量；3、将步骤2中得到的特征向量通过张量组合的方式进行融合，使用细粒度事件信息增强短文本的表征；4、将步骤3中得到的细粒度事件信息增强后的特征向量输入Bi‑GRU模型中进行情感分类，最终由sigmoid网络输出情感分类的结果。本发明使用细粒度事件信息增强短文本的表征，从而能够提高情感分类的准确率。

本发明授权一种基于细粒度事件信息增强的短文本隐式情感分类方法在权利要求书中公布了：1.一种基于细粒度事件信息增强的短文本隐式情感分类方法，其特征在于，是按如下步骤进行： 步骤1、获取评论数据中的短文本并构建数据集，对所述数据集中的所有短文本进行数据预处理，得到每个短文本对应的分词集合，其中，任意一个短文本的分词集合s＝s1,s2,...,si,...,sa，其中，si表示分词集合s中第i个词，a表示分词集合s中词的总数； 步骤2、使用事件抽取器对分词集合s进行单事件的抽取，以抽取出单事件的各个元素，从而得到相应短文本对应的细粒度单事件元组t＝t1,t2,...,tl,...,tb，其中，tl表示单事件元组t中第l个元素，b表示单事件元组t中元素的总数，l∈[1,b]； 步骤3、将单事件元组t输入BERT预训练模型，得到单事件元组t中每个元素的隐藏状态，其中，第l个元素的隐藏状态记为Hl； 步骤4、将单事件元组t中每个元素的隐藏状态输入到注意力机制网络中，用于得到单事件元组t的表征向量； 步骤4.1、利用式1和式2计算单事件元组t中第l个元素tl的注意力得分αl： ul＝sigmoidW1Hl+b11 式1中，W1是第一权重矩阵，b1是第一偏置向量，sigmoid表示激活函数，ul是单事件元组t中第l个元素tl的新隐藏状态； 式2中，T表示转置操作，θl表示随机初始化的第l个元素tl的注意力矩阵； 步骤4.2、利用式3得到单事件元组t的注意力特征向量ht，并作为单事件元组t的表征向量： 步骤5、将分词集合s输入所述BERT预训练模型中，得到短文本的隐藏向量hs，从而利用式4得到单事件信息增强的短文本表征rfinal： 式4中，W2是第二权重矩阵，b2是第二偏置向量，T表示转置操作，T[1:K]是一个由K个维度为d×d的矩阵组成的张量，f表示融合函数，ht TT[1:K]hs表示一个K维张量积； 步骤6、将短文本表征rfinal输入Bi-GRU模型的前向GRU模型中进行处理，并得到短文本表征rfinal的前向隐藏向量再将短文本表征rfinal逆序输入Bi-GRU模型的后向GRU模型中进行处理，并得到短文本表征rfinal的后向隐藏向量 步骤7、利用式5得到短文本表征rfinal最终的隐藏向量h： 步骤8、将所述隐藏向量h输入到sigmoid层中，从而利用式6得到相应短文本的正向情感或负向情感对应的概率值y，以选取较大概率值所对应的情感作为相应短文本最终的情感分类结果： 式6中，W3是第三权重矩阵，b3是第三偏置向量。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。