欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021110845714
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于关键词结构编码的涉案微博评价对象抽取方法,其特征在于:所述基于关键词结构编码的涉案微博评价对象抽取方法的具体步骤如下:Step1、收集用于涉案微博评价对象抽取的微博正文和微博评论文本,对微博正文和微博评论文本进行去重与筛选,并从微博正文中获取多个案件关键词;

Step2、定制涉案微博评价对象抽取的标注体系,标记微博评论文本,将标记好的微博评论语料分为训练语料、验证语料和测试语料;

Step3、获取评论语句对应的字符向量和词向量,训练数据经过预处理后作为BiLSTM的输入,然后送入双层高速网络;

Step4、获取案件关键词对应的词向量,训练数据经过预处理后作为BiLSTM的输入,然后经过结构编码操作,得到关键词的结构化表征;

Step5、采用交互注意力机制融合评论表征与关键词的结构化表征,训练涉案微博评价对象抽取模型;

Step6、将融合之后的表征输入CRF,用于进行涉案微博评价对象抽取;

所述步骤Step3的具体步骤为:

Step3.1、将评论语句中的字符与词输入到embedding层中得到评论语句对应的字符向量 和词向量 其中t表示句子中字符的总个数, 表示句子中第j个位置的字符, 表示第j个位置的字符对应的词;

Step3.2、将词嵌入和字符嵌入分别输入Bi‑LSTM进行编码,并将编码得到的隐表示进行拼接;

Step3.3、将拼接之后的表示输入双层高速网络,以此平衡字符向量和词向量的贡献比,得到具有上下文语义特征的评论多粒度向量表示;

所述步骤Step4的具体步骤:

Step4.1、给定一个评论句对应的一组案件关键词,将其输入到embedding层中得到的词向量序列表示为U={u1,u2,…,uf},其中f表示关键词的总个数;

Step4.2、将词向量送入Bi‑LSTM,得到具有上下文语义特征的案件关键词向量表示;

Step4.3、利用结构编码操作将具有上下文语义特征的案件关键词的向量表示转化为结构化表示;

所述步骤Step5包括:

Step5.1、将具有上下文语义特征的评论多粒度向量表示与关键词的结构化表示做交互注意力,由此得到的关键词表征用来表示评论句;

Step5.2、将融合之后的信息与评论句字符嵌入通过Bi‑LSTM得到的隐表示进行点乘,再和评论句词嵌入通过Bi‑LSTM得到的隐表示进行简单拼接,得到最终的表征。

2.根据权利要求1所述的基于关键词结构编码的涉案微博评价对象抽取方法,其特征在于:所述步骤Step1的具体步骤为:Step1.1、使用Scrapy作为爬取工具,收集用于涉案微博评价对象抽取的微博正文和微博评论文本;

Step1.2、对微博正文和微博评论文本进行去重与筛选,使用TextRank从微博正文中抽取多个案件关键词。

3.根据权利要求1所述的基于关键词结构编码的涉案微博评价对象抽取方法,其特征在于:所述步骤Step2的具体步骤为:Step2.1、定制的涉案微博评价对象抽取的标注体系采用了XML的可扩展标记语言组织文本,分别针对评价对象文本、评价对象的开始位置、评价对象的结束位置对收集到的微博评论文本进行标记;

Step2.2、再将实验数据分为训练语料、验证语料和测试语料。

4.根据权利要求1所述的基于关键词结构编码的涉案微博评价对象抽取方法,其特征在于:所述步骤Step6的具体步骤为:将最终的特征表达输入到评价对象抽取层中,利用CRF得到条件概率最大的输出序列,从而实现涉案微博评价对象的抽取。