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！

龙图腾网获悉上海工程技术大学申请的专利一种基于非对称位置加权策略的工业文本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：CN116737874B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310631652.4，技术领域涉及：G06F16/334；该发明授权一种基于非对称位置加权策略的工业文本情感分析方法是由黄勃;王航;郭茹燕;刘志伟;方志军;刘书华设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种基于非对称位置加权策略的工业文本情感分析方法在说明书摘要公布了：本发明公开了一种基于非对称位置加权策略的工业文本情感分析方法，属于自然语言处理技术领域。该方法包括：获取文本样本数据集，对每个句子进行分词得到词向量表示序列；并人工预先进行方面词标注得到训练集；构建基于非对称位置加权策略的情感分析模型，包括依次连接的Bi‑GRU层、Self‑Attention层、自适应加权策略、方面信息融合层以及情感分析层；使用所述训练集训练该模型获得优化的情感分析模型；采集实际文本数据，利用优化的情感分析模型对数据进行处理，获取情感分析结果。本发明引入自适应加权策略弥补了Self‑Attention层忽略了上下文词之间的位置关系的问题，进一步加强了情感分析模型的表达能力。

本发明授权一种基于非对称位置加权策略的工业文本情感分析方法在权利要求书中公布了：1.一种基于非对称位置加权策略的工业文本情感分析方法，其特征在于，包括如下步骤： 1获取文本样本数据集，对每个句子进行分词得到所述句子的词向量表示序列；并人工预先进行方面词标注，形成训练集； 2构建基于非对称位置加权策略的情感分析模型，包括依次连接的Bi‑GRU层、Self‑Attention层、自适应加权策略、方面信息融合层以及情感分析层；使用所述训练集训练该模型，计算损失函数，直到达到截至条件后获得优化的基于非对称位置加权策略的情感分析模型； 2.1将所述句子的词向量表示序列输入所述Bi‑GRU层，分别得到正向GRU和反向GRU的隐藏层状态，经过拼接后得到当前时刻的隐藏层状态； 2.2在所述Self‑Attention层，对所述句子中每个词向量的Bi‑GRU层输出的隐藏层状态两两之间通过向量内积计算相似度，通过Softmax归一化得到对应的Self‑Attention权重，进而得到当前时刻的新的隐藏层状态； 相似度计算具体为： ； 所述Self‑Attention权重具体为： ； 其中：、 为所述句子中的第i、j个词向量对应的隐藏层状态； 所述新的隐藏层状态表示具体为： 其中：t是所述词向量在所述句子中的位置，T是所述句子的长度； 2.3针对每个所述句子引入非对称的上下文位置权重变换函数，根据所述句子中标注为方面词的词在句子中的位置，利用所述非对称的上下文位置权重变换函数得到最终的词向量表示； 非对称的上下文位置权重变换函数具体为： 所述最终的词向量表示为： 其中，表示所述词向量在所述句子中的位置的归一化值，T是句子的长度，是伽马函数，为超参数，表示索引，是所述词向量的新的隐藏层状态； 所述由以下方式计算得到： 针对每一组所述超参数，计算距离： 比较所有的值，找到最小的距离对应的索引即为K； 其中：j为索引值，和分别表示所述句子中标注为方面词的词向量在句子中的起始位置和结束位置的归一化值； 2.4在所述方面信息融合层构造了一个可学习的方面向量Um，通过Global‑Attention机制来获得含有指定类别的方面信息；使用内积计算所述句子的每个最终的词向量与所述方面向量之间的相似度，通过softmax归一化得到Global‑Attention权重，最终得到融合了指定方面信息的句向量； 所述句子的每个最终的词向量与所述方面向量之间的相似度： 所述Global‑Attention权重为： 所述融合指定方面信息的句向量表示为： 其中：T为所述句子长度，为所述句子的最终的词向量； 2.5在所述情感分析层，将所述句向量表示经过全连接层后，通过softmax函数获得句子的情感极性分布，选取概率最高的分类结果作为情感分类结果； 3采集实际文本数据，利用所述优化的基于非对称位置加权策略的情感分析模型对数据进行处理，获取情感分析结果。

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上海工程技术大学，其通讯地址为：201620 上海市松江区龙腾路333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。