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！

龙图腾网获悉安徽大学申请的专利一种融合表情符号的社交文本情感分析方法及装置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：CN115221314B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202210162700.5，技术领域涉及：G06F16/35；该发明授权一种融合表情符号的社交文本情感分析方法及装置是由陈洁;姚志强;赵姝;张燕平设计研发完成，并于2022-02-22向国家知识产权局提交的专利申请。

本一种融合表情符号的社交文本情感分析方法及装置在说明书摘要公布了：本发明公开了一种融合表情符号的社交文本情感分析方法及装置，所述方法包括：将无标注含表情文本数据和有标注社交文本数据做预处理，获取预训练文本数据，并将其中的表情符号提取作为预训练标签；搭建神经网络模型对预训练文本数据进行预训练，得到以表情符号为预测标签的预训练模型；将预处理的有标注社交文本数据输入至预训练模型，通过链式解冻方法更新预训练模型的参数，训练得到社交文本情感分类器；将需要进行情感分类的社交文本输入至社交文本情感分类器，得到预测情感类别；本发明的优点在于：克服了社交文本与表情符号分割处理导致情感信息遗失的局限性，提升对社交文本的分类准确度。

本发明授权一种融合表情符号的社交文本情感分析方法及装置在权利要求书中公布了：1.一种融合表情符号的社交文本情感分析方法，其特征在于，所述方法包括以下步骤： S1：将无标注含表情文本数据和有标注社交文本数据做预处理，获取预训练文本数据，并将其中的表情符号提取作为预训练标签； S2：搭建基于长短期记忆子神经网络和自注意力机制子神经网络的神经网络模型对所述S1中预训练文本数据进行预训练，得到以表情符号为预测标签的预训练模型；所述S2包括：将所述预训练文本数据输入至预训练模型的Embedding层，得到所述预训练文本数据的输入向量序列； 将所述输入向量序列分别输入至两层的双向长短期记忆神经网络层及两层的自注意力机制层，分别得到所述预训练文本数据的句法相关特征和语义相关特征； 将所述两层的双向长短期记忆神经网络层及两层的自注意力机制层的每层输出特征向量与Embedding层输出的输入向量序列进行向量拼接，得到所述预训练文本数据的连接特征向量； 将所述连接特征向量输入至单层的注意力机制层，所述单层的注意力机制层用于让模型训练期间关注所述预训练文本数据句子的关键特征，给予关键特征更高的权重，得到所述预训练文本数据的文本表示向量； 将所述文本表示向量输入Softmax层进行归一化处理得到所述预训练文本数据句子的预测表情类别标签； 基于所述预测表情类别标签与对应文本实际含有表情结果的差异，计算所述预训练模型对应的第一损失函数，更新所述预训练模型中各模块的参数，训练并完成最终的预训练模型； S3：将S1中预处理的有标注社交文本数据输入至预训练模型，通过链式解冻方法更新预训练模型的参数，训练得到社交文本情感分类器；所述S3包括： 基于所述有标注社交文本数据的标注情感类别种类调整S2中预训练模型Softmax层输出维度，使得Softmax输出维度为情感类别数量*对应类别概率分布； 将所述有标注社交文本数据输入至S2中的预训练模型得到社交文本的分类结果； 基于所述有标注社交文本数据实际情感标签与模型预测标签结果的差异，计算所述神经网络模型对应的第二损失函数，通过链式解冻方法更新所述神经网络模型中各模块的参数，训练得到最终的社交文本情感分类器； 所述链式解冻方法为：训练过程中首先微调模型最顶层参数，再从模型Embedding层向上逐层调整参数至最优结果，最后训练并更新模型所有层的参数； S4：将需要进行情感分类的社交文本输入至社交文本情感分类器，得到预测情感类别。

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安徽大学，其通讯地址为：230039 安徽省合肥市蜀山区肥西路3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”。

以上内容由龙图腾AI智能生成。