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！

龙图腾网获悉桂林电子科技大学;桂林威尔思创科技有限公司申请的专利一种基于知识图谱的深度学习中文句子文本情感分析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：CN118747220B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202410851711.3，技术领域涉及：G06F16/35；该发明授权一种基于知识图谱的深度学习中文句子文本情感分析方法是由赵生平;陈金龙;秦兴国;吕伟斌;田运瑶;王亚冰;钱长娜设计研发完成，并于2024-06-27向国家知识产权局提交的专利申请。

本一种基于知识图谱的深度学习中文句子文本情感分析方法在说明书摘要公布了：本发明公开了一种基于知识图谱的深度学习中文句子文本情感分析方法，涉及文本情感分析技术领域。包括：S1、数据获取步骤；S2、数据预处理步骤；S3、构建情感知识图谱；S4、文本编码步骤；S5、池化层优化步骤；S6、性能检测步骤。本发明使用知识图谱与语义依存关系结合的知识增强的技术方案，在针对网络评论的复杂情况，结合了具备可解释性的知识图库和中文语义结构和深度学习技术，在中文文本情感分析的深度学习领域提出了一种更具可解释性且有效的方法。

本发明授权一种基于知识图谱的深度学习中文句子文本情感分析方法在权利要求书中公布了：1.一种基于知识图谱的深度学习中文句子文本情感分析方法，其特征在于，包括以下步骤： S1、数据获取步骤：获取中文文本序列； S2、数据预处理步骤：对S1中得到的中文文本序列依次进行数据清洗、中文分词、词性分析以及句法依存分析，得到词性数据集合与句法依存关系集合； S3、构建情感知识图谱：基于S2中得到的词性数据集合与句法依存关系集合，构建情感知识库，建立情感知识关系结构； S4、文本编码步骤：将S3中得到的情感知识关系结构与原始文本进行结合，并使用BERT的编码器对结合后的文本进行编码； S5、池化层优化步骤：构建池化输出层的分类器为二分类的BERT深度学习框架，使用交叉熵损失函数对BERT深度学习框架进行训练，得到基于知识图谱情感语义关系的情感分析模型； S6、性能检测步骤：将测试中文序列输入S5中得到的基于知识图谱情感语义关系的情感分析模型，根据构建的知识图谱库对文本序列分词进行情感词匹配与增强，再对输入的句子的情感极性进行识别分析； S2中具体步骤包括： S201、设置过滤正则表达式，过滤句子中的文本中的非信息性特殊符号对S1中得到的中文文本序列进行数据清洗，得到清洗后的中文文本序列； S202、对S201中得到的清洗后的中文文本序列进行中文分词，保留文本评论内容； S203、使用LTP分词工具对S202中得到的文本评论内容进行词性分析得到带词性信息的情感分词集合： Sl＝{LTP.segadjS,LTP.segverbS,LTP.segadverbS} 其中，Sl为带词性信息的情感分词集合，LTP.segadjS为形容词的情感分词集合，LTP.segverbS为动词的情感分词集合，LTP.segadverbS为副词的情感分词集合； S204、通过对词语或字之间依存关系的分析，提取eSUCC后续关系、mDEPD依附标记关系和当事角色关系EXP； Ssdpg＝{LTP.sdpgS} 其中，Ssdpg为句子S的词语依存关系集合，LTP.sdpgS为对句子S使用LTP分词平台进行词语依存关系分析； S3中具体步骤包括： S301、对于S2中得到的词性数据集合与句法依存关系集合，根据算法规则分别提取词组实体和设置词组实体之间的关系： S302、基于S301中得到的词组实体和设置词组实体之间的关系，设置词组实体之间的情感关系，并且输出到csv文件中； S303、基于S302中存储的csv文件，构建词组的三元组知识关系，同时结合本地建设情感知识图谱中的情感词组三元组关系集合进行优化，得到情感知识图谱库。

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桂林电子科技大学;桂林威尔思创科技有限公司，其通讯地址为：541004 广西壮族自治区桂林市金鸡路1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”。