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！

龙图腾网恭喜重庆邮电大学申请的专利一种基于融合标签图的双图卷积网络的文本情感多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：CN115391529B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202211017366.0，技术领域涉及：G06F16/35；该发明授权一种基于融合标签图的双图卷积网络的文本情感多分类方法是由甘玲;陈祚杰设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本一种基于融合标签图的双图卷积网络的文本情感多分类方法在说明书摘要公布了：本发明涉及一种基于融合标签图的双图卷积网络的文本情感多分类方法，属于计算机技术领域。该方法包括以下步骤：S1：句子编码层；S2：标签图嵌入；S3：句法图卷积网络SynGCN；S4：语义图卷积网络SemGCN；S5：双仿射变换。本发明针对现有的研究大都只考虑了句子的语义表示，忽略句子的语法信息，发明了一种双图卷积网络，即句法图卷积网络和语义图卷积网络，该方法能同时提取句子的句法信息和语义信息。以往的模型忽略了标签的语义信息，基于此本发明了标签图嵌入，通过将标签图表示和语义图卷积网络融合，使得模型能够学习更加精确的语义表示和捕获标签和文本中单词之间的潜在关系。

本发明授权一种基于融合标签图的双图卷积网络的文本情感多分类方法在权利要求书中公布了：1.一种基于融合标签图的双图卷积网络的文本情感多分类方法，其特征在于：该方法包括以下步骤：S1：建立句子编码层；S2：嵌入标签图；S3：建立句法图卷积网络SynGCN；S4：建立语义图卷积网络SemGCN；S5：进行双仿射变换；所述S1具体为：为获得每个句子的文本表示，模型采用BERT和BiLSTM作为句子编码器来提取隐藏的上下文表示；采用预训练模型BERT来生成词向量，依据单词所在的语境生成动态词向量；然后将BERT得到的词向量输入到BiLSTM计算获得包含上下文信息的表隐藏状态向量表示H＝[h1,h2,...,hn]将得到的隐藏状态向量用于后续模块的输入；其中hi表示一个句子中第i个单词的词向量表示，n表示输入句子的单词个数；所述S2具体为：将标签图定义为G＝{V,e}；其中V表示图中的结点，即标签的表示[c1,c2,...,cm]，ci则表示第i个标签的向量表示，m表示标签的个数，e表示图中的边，即标签之间的语义关系；为获得每个标签的表示，使用标签的文本内容作为输入，使用词向量平均函数来计算标签的词向量表示，计算如公式1所示； ci表示第i个情感标签的向量表示，ki表示第i个标签的样本数量Hj表示属于第i个标签样本中的第j个句子的隐藏状态向量表示；为得到标签之间的关系，使用标签之间的相关性系数作为标签图的邻接矩阵Alabel；使用两向量之间的余弦相似度计算不同标签之间的相似性，即ci、cj表示两个不同的标签的向量表示，||||表示向量的模运算；接着使用GCN更新标签的表示，公式如下： 其中l表示图卷积网络的层数，表示图卷及网络第l层的第i个标签的表示，表示图卷积网络第l-1层第j个标签的表示，W和b为学习的权重和偏差，σ为激活函数，m为标签的数量；为有效使用标签语义信息，通过标签注意力计算句子中单词与标签相关的语义成分；计算公式如下： Hlabel＝HUT5hj表示句子中第j个单词的向量表示；ci表示公式2中经过GCN更新后的标签表示，T表示向量的转置，αij表示句子中第j个单词特征向量对于第i个标签的信息量；U＝[u1,u2,...,um]，其中ui表示第i个标签ci在句子中的语义信息携带量；H表示通过BiLSTM得到的上下文隐藏表示；Hlabel表示每个句子中每个单词的特定的标签表示。

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 重庆市南岸区黄桷垭崇文路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”。