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！

申请/专利权人：哈尔滨工业大学

摘要：本发明涉及了一种基于编解码结构的用户生成内容目标立场联合检测方法及系统，涉及社交媒体的立场检测。本发明解决了立场检测任务的人工依赖问题，又消除了错误级联现象。技术要点：将预处理后的社交媒体文本数据输入编码器，编码器由序列编码器和经过微调的情感编码器构成，对查询向量之间使用自注意力机制，动态计算每个查询向量与其他查询向量的关联程度，从而更好地捕捉不同查询向量之间的依赖关系；然后，将编码器输出的序列特征输入解码器中，与查询向量做交叉注意力机制；将所有融合了序列特征的查询向量输入目标‑立场聚合层；将聚合后的查询向量与编码器输出的情感特征输入目标立场对解码层，首先通过注意力机制为查询向量与情感特征赋值权重，之后将两种特征进行拼接，得到最终的特征向量；将最终特征表示输入由两个全连接神经网络组成的解码器中以输出目标以及立场的预测结果。本发明应用于社交网络分析中。

主权项：1.一种基于编解码结构的用户生成内容目标立场联合检测方法，其特征在于，所述方法的实现过程为：步骤一、对用户生成内容数据进行预处理：数据预处理分为以下两个步骤：1数据清洗：用于消除用户生成内容中包含的表情符号和网络链接等网络元素；2网络用语转化：使用预定义的缩略语词典将社交媒体文本中常见的网络用语转化为书面用语；步骤二、使用经过预处理的情感分析数据集对BERT模型进行微调，所述数据集有两种情感标签：“positive”积极情感和“negative”消极情感；所述数据集包括训练集、验证集、测试集，数据格式包括表示数据编号、输入文本序列、该文本所对应的真实情感标签；步骤三、将预处理后的社交媒体文本数据输入编码器，编码器由序列子编码器和经过微调的情感子编码器构成，序列子编码器和情感子编码器均基于BERT模型；序列子编码器用于获取文本上下文信息构成的序列特征，而情感子编码器则用于获取文本序列中所隐含的情感信息，为后续计算提供更加丰富的语义特征。步骤四、随机初始化m个查询嵌入向量，首先在查询嵌入向量内部注意力层，对查询嵌入向量使用自注意力机制，使查询嵌入向量之间可以进行有效地交互和信息传递，以捕捉不同查询嵌入向量之间的依赖关系；自注意力机制中的查询向量、键向量和值向量均来自于查询嵌入向量自身；然后在推文特征注意力层，将编码器输出的序列特征输入解码器中，与交互后的查询嵌入向量做交叉注意力机制，以促进两种特征的交互与融合；在交叉注意力机制中，将查询嵌入向量作为查询向量，将序列特征作为键向量和值向量。步骤五、将所有融合了序列特征的查询向量输入目标-立场聚合层，该层主要目的是令模型关注对当前任务更为重要或相关的特征，从而提高模型的预测性能；为不同的查询向量分配相应的权重，并对所有查询向量进行加权求和，从而获得综合所有查询特征的向量表示；步骤六、将聚合后的查询向量与编码器输出的情感特征输入目标立场对解码层，首先为查询向量与情感特征赋值权重，之后将两种特征进行拼接，得到最终的特征向量；将最终特征表示输入由两个全连接神经网络组成的解码器中以输出目标以及立场的预测结果。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于编解码结构的用户生成内容目标立场联合检测方法及系统