買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉合肥工業大學申請的專利一種基于細粒度事件信息增強的短文本隱式情感分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116029293B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310052123.9，技術領域涉及：G06F40/289；該發明授權一種基于細粒度事件信息增強的短文本隱式情感分類方法是由倪麗萍;劉玉強;陳星月;王琪設計研發完成，并于2023-02-02向國家知識產權局提交的專利申請。

本一種基于細粒度事件信息增強的短文本隱式情感分類方法在說明書摘要公布了：本發明公開了一種基于細粒度事件信息增強的短文本隱式情感分類方法，其步驟包括：1、使用事件抽取器抽取短文本中的事件類型、觸發詞及其他事件元素形成細粒度的單事件元組；2、使用BERT預訓練模型分別對單事件元組和短文本進行表征，分別得到單事件元組和短文本的特征向量；3、將步驟2中得到的特征向量通過張量組合的方式進行融合，使用細粒度事件信息增強短文本的表征；4、將步驟3中得到的細粒度事件信息增強后的特征向量輸入Bi?GRU模型中進行情感分類，最終由sigmoid網絡輸出情感分類的結果。本發明使用細粒度事件信息增強短文本的表征，從而能夠提高情感分類的準確率。

本發明授權一種基于細粒度事件信息增強的短文本隱式情感分類方法在權利要求書中公布了：1.一種基于細粒度事件信息增強的短文本隱式情感分類方法，其特征在于，是按如下步驟進行： 步驟1、獲取評論數據中的短文本并構建數據集，對所述數據集中的所有短文本進行數據預處理，得到每個短文本對應的分詞集合，其中，任意一個短文本的分詞集合s＝s1,s2,...,si,...,sa，其中，si表示分詞集合s中第i個詞，a表示分詞集合s中詞的總數； 步驟2、使用事件抽取器對分詞集合s進行單事件的抽取，以抽取出單事件的各個元素，從而得到相應短文本對應的細粒度單事件元組t＝t1,t2,...,tl,...,tb，其中，tl表示單事件元組t中第l個元素，b表示單事件元組t中元素的總數，l∈[1,b]； 步驟3、將單事件元組t輸入BERT預訓練模型，得到單事件元組t中每個元素的隱藏狀態，其中，第l個元素的隱藏狀態記為Hl； 步驟4、將單事件元組t中每個元素的隱藏狀態輸入到注意力機制網絡中，用于得到單事件元組t的表征向量； 步驟4.1、利用式1和式2計算單事件元組t中第l個元素tl的注意力得分αl： ul＝sigmoidW1Hl+b11 式1中，W1是第一權重矩陣，b1是第一偏置向量，sigmoid表示激活函數，ul是單事件元組t中第l個元素tl的新隱藏狀態； 式2中，T表示轉置操作，θl表示隨機初始化的第l個元素tl的注意力矩陣； 步驟4.2、利用式3得到單事件元組t的注意力特征向量ht，并作為單事件元組t的表征向量： 步驟5、將分詞集合s輸入所述BERT預訓練模型中，得到短文本的隱藏向量hs，從而利用式4得到單事件信息增強的短文本表征rfinal： 式4中，W2是第二權重矩陣，b2是第二偏置向量，T表示轉置操作，T[1:K]是一個由K個維度為d×d的矩陣組成的張量，f表示融合函數，ht TT[1:K]hs表示一個K維張量積； 步驟6、將短文本表征rfinal輸入Bi-GRU模型的前向GRU模型中進行處理，并得到短文本表征rfinal的前向隱藏向量再將短文本表征rfinal逆序輸入Bi-GRU模型的后向GRU模型中進行處理，并得到短文本表征rfinal的后向隱藏向量 步驟7、利用式5得到短文本表征rfinal最終的隱藏向量h： 步驟8、將所述隱藏向量h輸入到sigmoid層中，從而利用式6得到相應短文本的正向情感或負向情感對應的概率值y，以選取較大概率值所對應的情感作為相應短文本最終的情感分類結果： 式6中，W3是第三權重矩陣，b3是第三偏置向量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人合肥工業大學，其通訊地址為：230009 安徽省合肥市包河區屯溪路193號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。