買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉桂林電子科技大學;桂林威爾思創科技有限公司申請的專利一種基于知識圖譜的深度學習中文句子文本情感分析方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118747220B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410851711.3，技術領域涉及：G06F16/35；該發明授權一種基于知識圖譜的深度學習中文句子文本情感分析方法是由趙生平;陳金龍;秦興國;呂偉斌;田運瑤;王亞冰;錢長娜設計研發完成，并于2024-06-27向國家知識產權局提交的專利申請。

本一種基于知識圖譜的深度學習中文句子文本情感分析方法在說明書摘要公布了：本發明公開了一種基于知識圖譜的深度學習中文句子文本情感分析方法，涉及文本情感分析技術領域。包括：S1、數據獲取步驟；S2、數據預處理步驟；S3、構建情感知識圖譜；S4、文本編碼步驟；S5、池化層優化步驟；S6、性能檢測步驟。本發明使用知識圖譜與語義依存關系結合的知識增強的技術方案，在針對網絡評論的復雜情況，結合了具備可解釋性的知識圖庫和中文語義結構和深度學習技術，在中文文本情感分析的深度學習領域提出了一種更具可解釋性且有效的方法。

本發明授權一種基于知識圖譜的深度學習中文句子文本情感分析方法在權利要求書中公布了：1.一種基于知識圖譜的深度學習中文句子文本情感分析方法，其特征在于，包括以下步驟： S1、數據獲取步驟：獲取中文文本序列； S2、數據預處理步驟：對S1中得到的中文文本序列依次進行數據清洗、中文分詞、詞性分析以及句法依存分析，得到詞性數據集合與句法依存關系集合； S3、構建情感知識圖譜：基于S2中得到的詞性數據集合與句法依存關系集合，構建情感知識庫，建立情感知識關系結構； S4、文本編碼步驟：將S3中得到的情感知識關系結構與原始文本進行結合，并使用BERT的編碼器對結合后的文本進行編碼； S5、池化層優化步驟：構建池化輸出層的分類器為二分類的BERT深度學習框架，使用交叉熵損失函數對BERT深度學習框架進行訓練，得到基于知識圖譜情感語義關系的情感分析模型； S6、性能檢測步驟：將測試中文序列輸入S5中得到的基于知識圖譜情感語義關系的情感分析模型，根據構建的知識圖譜庫對文本序列分詞進行情感詞匹配與增強，再對輸入的句子的情感極性進行識別分析； S2中具體步驟包括： S201、設置過濾正則表達式，過濾句子中的文本中的非信息性特殊符號對S1中得到的中文文本序列進行數據清洗，得到清洗后的中文文本序列； S202、對S201中得到的清洗后的中文文本序列進行中文分詞，保留文本評論內容； S203、使用LTP分詞工具對S202中得到的文本評論內容進行詞性分析得到帶詞性信息的情感分詞集合： Sl＝{LTP.segadjS,LTP.segverbS,LTP.segadverbS} 其中，Sl為帶詞性信息的情感分詞集合，LTP.segadjS為形容詞的情感分詞集合，LTP.segverbS為動詞的情感分詞集合，LTP.segadverbS為副詞的情感分詞集合； S204、通過對詞語或字之間依存關系的分析，提取eSUCC后續關系、mDEPD依附標記關系和當事角色關系EXP； Ssdpg＝{LTP.sdpgS} 其中，Ssdpg為句子S的詞語依存關系集合，LTP.sdpgS為對句子S使用LTP分詞平臺進行詞語依存關系分析； S3中具體步驟包括： S301、對于S2中得到的詞性數據集合與句法依存關系集合，根據算法規則分別提取詞組實體和設置詞組實體之間的關系： S302、基于S301中得到的詞組實體和設置詞組實體之間的關系，設置詞組實體之間的情感關系，并且輸出到csv文件中； S303、基于S302中存儲的csv文件，構建詞組的三元組知識關系，同時結合本地建設情感知識圖譜中的情感詞組三元組關系集合進行優化，得到情感知識圖譜庫。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人桂林電子科技大學;桂林威爾思創科技有限公司，其通訊地址為：541004 廣西壯族自治區桂林市金雞路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。