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知识迁移的跨领域情感分析方法及存储介质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：CN116108853B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211650456.3，技术领域涉及：G06F40/30；该发明授权一种基于知识迁移的跨领域情感分析方法及存储介质是由孙开伟;李彦;冉雪;王支浩设计研发完成，并于2022-12-21向国家知识产权局提交的专利申请。

本一种基于知识迁移的跨领域情感分析方法及存储介质在说明书摘要公布了：本发明公开了一种基于知识迁移的跨领域情感分析方法及存储介质，为了解决数据标注困难的问题，通常需要将其他领域的知识迁移到目标领域来。迁移的方式有很多，有基于模型的，基于实例的，基于关系的，这些方式在深度学习的背景下得到了很大的发展。但是在迁移的过程中，总是忽略了外部知识库的作用，因此尝试运用外部知识库的知识加强迁移学习的效果成为一种新的方法。本发明方法包括：构建语义网络模块、特征提取模块、域对抗训练模块。将亚马逊的五个产品评论数据集进行处理，提取其中一些出现频率比较高的词语并与conceptNet连接，构成语义网络。再使用rgcn对语义网络进行处理，提取特征表示。最后加入域对抗训练来提高模型的鲁棒性。

本发明授权一种基于知识迁移的跨领域情感分析方法及存储介质在权利要求书中公布了：1.一种基于知识迁移的跨领域情感分析方法，其特征在于，包括以下步骤： 构建语义网络，将精炼后的文本与conceptNet结合起来，构成一个语义网络； 提取语义特征，通过RGCN对语义网络进行处理，得到图的特征表示，所述RGCN将一个异构网络划分成多个同构网络来处理，将指向内外的节点都作为邻接点，同时加入自循环特征，进行特征融合，参与节点更新； 定义传播模型，用于计算图中vi表示的实体或节点的前向传递更新： 其中： 表示节点vi在第l层的隐藏状态； σ表示激活函数； W表示权重矩阵； 表示关系r下节点i的邻接索引集合； Ci,r表示一个特定于问题的归一化常数，预先学习或选择； RGCN处理步骤为： 1根据公式1计算图形中单个节点的状态； 2收集来自相邻节点的激活，然后分别为每个关系类型进行变换，就会得到2N种关系类型； 3将所得到的各种关系类型的表示和自循环特征以归一化和的形式累积，并通过激活函数，即得到最终的特征表示，这样每个节点的更新都与整个图中的共享参数并行计算； 域对抗训练，包括特征提取器、域分类器和类别预测器，将两个毫不相关的领域之间的特征进行迁移学习； 所述特征提取器将提取的源域和目标域的文本信息通过多层神经网络的映射得到文本特征表示Mxst，然后将提取的特征表示分别传入类别预测器和域分类器； 所述类别预测器，对特征提取器提取到的文本信息进行标签分类，区分不同领域的文本信息；类别预测器所采用的损失函数为： 其中：K为已标记样本总数；Mxs为源域的样本信息；C为训练的分类器，使用softmax作为激活函数的神经网络模型； 所述域分类器，对特征提取器提取到的文本信息进行域分类，判断传入的信息到底是来自源域还是目标域，并计算损失，域分类器所采用的损失函数为交叉熵损失函数，交叉熵用来度量两个概率分布间的差异性； Ldomain＝-logDadvMxs-log1-DadvMxt 其中:Mxt为目标域的样本信息；DadvMxs表示样本在源域的概率；DadvMxt表示样本在目标域的概率； 所以，综上最终训练出来的模型参数满足以下关系： θ＝argminmaxLlabel+λLdomain 其中：λ表示超参数。

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”。