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！

龙图腾网获悉重庆邮电大学申请的专利一种基于图注意力网络的方面级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：CN116010601B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310027128.6，技术领域涉及：G06F16/353；该发明授权一种基于图注意力网络的方面级情感分类方法是由唐宏;刘蓓明;杨浩澜;孙锐;黄水文设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本一种基于图注意力网络的方面级情感分类方法在说明书摘要公布了：本发明属于自然语言处理技术领域，具体涉及一种基于图注意力网络的方面级情感分类方法，包括：获取方面词所在的上下文文本的词嵌入表示；根据上下文词与方面词所处的相对位置动态调整上下文词权重，获取上下文语义特征；通过改进的图注意力网络来聚合句法信息，获取文本的句法特征；使用深度交叉网络融合文本句法特征和上下文语义特征，得到最终特征表示；将最终特征表示通过全连接层进行情感预测，得到文本中该方面词的情感极性分布。本发明弥补了图注意力网络在多层网络下会出现的特征信息丢失的问题，同时在提取语义特征时考虑上下文词所在的位置信息，将句法特征和上下文语义特征充分融合，从而提高了方面级情感分类的准确率。

本发明授权一种基于图注意力网络的方面级情感分类方法在权利要求书中公布了：1.一种基于图注意力网络的方面级情感分类方法，其特征在于，包括： S1：获取方面词所在的上下文文本的词嵌入表示，得到句子所对应的词向量； S2：在词向量中根据上下文词与方面词所处的相对位置来动态调整上下文词权重，获取上下文语义特征； 获取上下文语义特征，包括： 其中，表示经过特征提取层后的上下文语义特征，表示句子S的特征向量，表示文本的权重矩阵，，表示调整后第t个单词的权重向量，，E表示单位列向量，表示以方面词为中心的局部区域的阈值，表示上下文中第t个单词与方面词之间的语义相对距离，，表示上下文中第t个单词的位置，表示方面词的中心位置，表示方面词的长度，表示句子长度，和分别表示当计算结果不为整数时向上取整和向下取整； S3：通过改进的图注意力网络来聚合句法信息，获取文本的句法特征； 获取文本的句法特征，包括： S31：对文本进行句法解析生成相应的句法依存树，通过句法依存树将输入文本信息转换成包含N个节点的句法图结构，无向图结构和有向图结构，图中每个节点表示句子中的一个词，边表示每个词之间的句法依赖关系，节点i的邻居节点可以表示为Ni； S32：分别将文本信息的无向图结构和有向图结构输入改进的图注意力网络ImGAT，所述改进的图注意力网络ImGAT包括：图注意力网络层、前馈神经网络层、门控机制层和残差网络层； 通过图注意力网络层提取无向图结构和有向图结构的句法隐藏特征表示，分别对无向图结构和有向图结构的句法隐藏特征表示通过前馈神经网络层进行归一化的处理，通过门控机制层的门控函数分别初步融合语义信息和归一化后的无向图结构和有向图结构的句法隐藏特征表示，通过残差网络层输出最终包含句法特征的无向图结构和有向图结构的特征向量； S4：使用深度交叉网络充分融合文本句法特征和上下文语义特征，得到最终特征表示； 使用深度交叉网络充分融合文本句法特征和上下文语义特征，得到最终特征表示，包括： S41：将无向图特征向量和上下文特征向量进行拼接融合，将融合后的无向图特征向量和上下文特征向量输入深度交叉网络进行交叉网络传播； S42：将未参与融合的有向图特征向量通过全连接前馈神经网络向前传播； S43：将传播后的两组向量进行拼接，得到最终特征表示； 将传播后的两组向量进行拼接，得到最终特征表示，包括： 其中，表示最终特征表示，表示将融合后的无向图特征向量和上下文特征向量进行交叉网络传播的特征向量，表示将未参与融合的有向图特征向量通过全连接前馈神经网络向前传播的特征向量，表示拼接融合操作； S5：将最终特征表示通过全连接层、softmax函数中进行情感预测，得到文本中该方面词的情感极性分布。

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邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。