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！

龙图腾网获悉重庆科技学院申请的专利一种基于多类别表格填充的情感三元组生成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：CN115098675B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202210700536.9，技术领域涉及：G06F16/35；该发明授权一种基于多类别表格填充的情感三元组生成方法是由葛继科;程文俊;向月;陈祖琴;武承志;胡庭恺;杨照旭;刘浩因;刘苏;陈超;胥纪超;余文成;董焱;郑育设计研发完成，并于2022-06-20向国家知识产权局提交的专利申请。

本一种基于多类别表格填充的情感三元组生成方法在说明书摘要公布了：本发明提供一种基于多类别表格填充的情感三元组生成方法，包括如下步骤：利用联合标注框架对原始评论文本的解析与评论文本的方面词、评论观点及情感极性统一标签；利用Bert预训练语言模型提取文本信息的语义特征；利用多类别多头注意力机制学习方面词与评论观点的关联类别增强向量表示；方面词识别与评论观点检测任务的信息分区及过滤；利用情感三元组统一标记空间实现单元格分数的填充及表格结构的对称性约束与隐含性约束；利用方面词、评价观点及情感极性在统一标注空间中均为矩形框的特性，进行统一标签搜索及结构化解码；构建多功能评论文本方面词情感三元组。本发明提升了方面词识别和评论观点检测的准确率以及消除了情感三元组重叠的问题。

本发明授权一种基于多类别表格填充的情感三元组生成方法在权利要求书中公布了：1.一种基于多类别表格填充的情感三元组生成方法，其特征在于，包括以下步骤： S1、首先将爬虫工具所获得的评论文本信息数据进行清洗；其次对数据中的评论观点、评价对象即方面词以及情感类型进行统一标签，构建情感三元组统一标记空间；最后将标注好的数据以8：1：1的比例划分成训练集、验证集和测试集； S2、利用Bert预训练语言模型，对评论文本进行特征编码，从而抽取出文本的深层次语义信息； S3、根据所述情感三元组统一标记空间，利用多类别多头注意力机制分别学习评论所属类别与方面词相关联的类别增强向量表示，以及与评论观点的关联类别增强向量表示； S4、以类别增强向量表示、为基础，利用分区过滤机制将方面词识别任务与评论观点检测任务进行双向关联，首先利用线性层神经网络实现类似LSTM神经网络的方面门和观点门，然后利用门控机制将每个时间步单元分割成方面词识别任务分区、评论观点检测任务分区和共享任务分区，最后利用过滤机制过滤与任务无关信息，得到分区过滤信息； 其中，利用分区过滤机制将方面词识别任务与评论观点检测任务进行双向关联具体包括以下步骤： S41、利用方面门和观点门分别控制方面词识别任务和评论观点检测任务的信息分布，将每个时间步的神经单元划分为方面词识别任务分区、评论观点检测任务分区和共享任务分区，所述方面门和观点门的计算方式如下式所示： 其中，表示累计最大值的计算方式，表示标准的线性变换，表示第个整体类别增强向量表示，表示上一个时间步的隐藏层向量表示； S5、利用双仿射深度注意力机制计算每个词对间的概率分布得分向量，并将概率分布得分向量填充到情感三元组统一标记空间二维表的每个词对单元格中； S6、向情感三元组统一标记空间二维表中的统一标签添加对称性约束和隐含性约束； S7、利用情感三元组统一标记空间联合解码框架，遍历搜索二维表中表示方面词与评论观点的正方形以及表示情感极性的矩形，首先利用二维表中方面词或者评价对象相邻行或列标记一致的性质，确定两者信息的边界，其次利用正方形关于对角线对称的性质，解码方面词或评论观点，最后利用已检测的方面词以及评论观点，遍历搜索方面词和评论观点之间对齐的矩形框结构的情感极性； S8、构建评论文本方面词情感三元组，聚合各个类别下方面词情感评价的优劣及产生原因，并归纳整体评论文本的情感三元组以反映总体的评价结果，以及根据用户的查询条件自动生成反馈信息； 其中，所述步骤S1中情感三元组统一标记空间的构建包括以下步骤： S11、获取评论文本中的方面词、评论观点词的起始位置与截止位置，以及对应方面词的情感极性； S12、获取评论文本中描述各个方面词与评论观点之间的类别信息，统计分析得到个类别信息，定义为； S13、以得到的个类别信息为基础，对方面词、评论观点标签以及情感极性进行标记，定义方面词的标记方式为，，评论观点的标记方式为，，情感极性的联合标记方式为，，，表示词对之间无关联； S14、将获得的方面词标记、评论观点标记和情感极性联合标记分别填充到表格的各个单元格中，以表示词对之间的信息类别关系，从而构建出情感三元组统一标记空间，其中表示评论文本的长度。

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重庆科技学院，其通讯地址为：401331 重庆市沙坪坝区大学城东路20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。