Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 四川轻化工大学;四川化工职业技术学院何俚秋获国家专利权

四川轻化工大学;四川化工职业技术学院何俚秋获国家专利权

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!

龙图腾网获悉四川轻化工大学;四川化工职业技术学院申请的专利一种基于MS-PSO和深度学习的产品评论情感分析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:CN120234678B

龙图腾网通过国家知识产权局官网在2025-08-22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:202510732080.8,技术领域涉及:G06F18/241;该发明授权一种基于MS-PSO和深度学习的产品评论情感分析方法是由何俚秋;唐宇峰;刘惺;李明豫设计研发完成,并于2025-06-03向国家知识产权局提交的专利申请。

一种基于MS-PSO和深度学习的产品评论情感分析方法在说明书摘要公布了:本发明提供了一种基于MS‑PSO和深度学习的产品评论情感分析方法,属于情感分析领域,其内容包括:获取产品评论文本及情感分类,对文本数据预处理;通过DistilBERT将预处理后的文本转化为动态词级表示张量,并将情感分类标签转化为整数编码;通过随机镜像粒子群算法,优化并串联混合特征深度学习网络的超参数;根据最优超参数,训练得到并串联混合特征深度学习网络模型;将待情感分类的文本数据进行预处理并通过DistilBERT模型进行编码后,输入到训练好的模型中得到情感分类;本发明方法可提高产品评论情感分析精度,为企业了解用户需求和产品改进提供依据。

本发明授权一种基于MS-PSO和深度学习的产品评论情感分析方法在权利要求书中公布了:1.一种基于MS-PSO和深度学习的产品评论情感分析方法,其特征在于,包括以下步骤: 步骤一:获取训练模型所需的产品评论文本及情感分类数据集,通过预处理模块对产品评论文本进行预处理; 步骤二:通过轻量化的DistilBERT模型对预处理后的产品评论进行编码,提取所有子词词元的上下文隐藏状态作为动态词级表示张量,并将情感分类标签转化为整数编码; 步骤三:设置随机镜像粒子群算法所需参数、并串联混合特征深度学习网络的待优化超参数的寻优范围; 所述随机镜像粒子群算法,是粒子群优化算法中的一种改进算法,其步骤包括: 一粒子初始化 与粒子群优化算法相同,采用随机初始化的方式生成初始粒子: Xi=lb+ub-lb×rand1,dim 其中,i是粒子的编号,Xi代表第i个粒子的位置,lb为寻优范围的下限,ub为寻优范围的上限,rand1,dim代表0~1之间的随机数组成的dim维向量,dim为求解域的维度; 生成初始粒子后,计算所有粒子适应度值; 二粒子更新 在每一轮迭代时,对每个粒子i,生成一个0~1间的随机数Ri,并且根据Ri值选择是直接更新还是镜像更新: 情况一:当Ri≥0.5,该粒子为直接更新,直接更新方式为: Vi=1-tTVi2+c1r1Pi-Xi+c2r2G-Xi Xi=Xi+Vi 其中,Vi代表粒子i的速度,t代表当前迭代次数,T代表最大迭代次数,c1为个体最优项学习因子,c2为全局最优项学习因子;r1为0~1之间的随机数,r2为0~1之间的随机数,Pi代表粒子i搜索历史中的最优位置,G代表全局最优解的位置; 情况二:当Ri<0.5,该粒子为镜像更新,分为3个子步骤: 子步骤一:以G为中心,生成粒子i的镜像粒子,位置以Xm,i表示,并删除原粒子i: PE=0.1×rand1,dim-0.5×ub-lb Xm,i=2×G-Xi+PE×1-tT 其中,PE为随机扰动量; 子步骤二:判断镜像粒子在各维度是否超出寻优范围,若在第j个维度超出寻优范围,则对维度j的位置进行修正: Xm,i,j=ubj+Ri×ubj-Xm,i,j若Xm,i,j>ubj Xm,i,j=lbj+Ri×lbj-Xm,i,j若Xm,i,j<lbj 其中Xm,i,j为第i个粒子在第j个维度的修正镜像位置,j=1,2,…,M;ubj和lbj分别代表在第j个维度的寻优范围上限及下限; 子步骤三:根据镜像更新位置粒子位置和速度: Xi=Xm,i+rand1,dim×G-Xm,i Vi=0 三粒子淘汰 重新计算所有粒子适应度值,更新Pi和G,删除适应度值最差的粒子,并在求解域内按随机初始化的方式生成一个新的粒子; 最后,判断是否满足终止条件,若不满足则重复步骤二~三,直到满足迭代终止条件为止;若满足则输出全局最优位置和最优解; 步骤四:通过随机镜像粒子群算法优化并串联混合特征深度学习网络的超参数; 步骤五:根据优化得到的超参数,训练得到并串联混合特征深度学习网络模型; 步骤六:获取待情感分类的产品评论,通过预处理模块进行预处理,并通过DistilBERT模型进行编码、提取动态词级表示张量后,输入到训练好的并串联混合特征深度学习网络模型中,得到情感分类。

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四川轻化工大学;四川化工职业技术学院,其通讯地址为:643000 四川省自贡市自流井区汇东学苑街180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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。