【技术实现步骤摘要】
本专利技术属于自然语言处理领域，具体涉及一种基于语义和结构信息互补的动态图结构学习框架。
技术介绍
1、目前，用于处理隐式情感分析任务的模型主要有图卷积网络模型(gcn)和图神经网络模型(gnn)等，gcn虽然在处理图像数据方面表现出色，但是其内部机制比较复杂，使得模型的决策过程难以解释，这就意味着当gcn用于隐式情感分析任务时，难以解释模型的情感分类过程。此外，gcn在处理动态图时需要固定的邻接矩阵和度矩阵，如果图的结构发生变化，那么gcn将无法有效适应这种变化，而对于有向图，gcn无法为不同的邻居分配不同的权重，在一定程度上限制了其在有向图上的性能。gnn虽然在隐式情感分析方面表现良好，但是还存在一些问题，一方面，隐式情感文本构建的图结构相对单一，没有综合考虑文本信息，语义理解难度较大；另一方面，构建初始静态图结构依赖于大量的人工劳动以及专业领域的知识，并且无法纠正引入知识的错误。
技术实现思路
1、本专利技术的目的是提供一种于语义和结构信息互补的动态图结构学习框架。
2、...
【技术保护点】
1.一种基于语义和结构信息互补的动态图结构学习框架，其特征在于，所述框架由图构建模块、图融合模块以及动态图结构学习模块构成，其中，所述图构建模块，结合文本的语义信息和结构信息，分别基于句法依赖树和共现统计方法构建文本的初始静态图结构；所述图融合模块，通过组合构建不同图结构来增强图结构中所包含的信息；所述图结构学习模块用于进行迭代学习，获得鲁棒性更强的图结构。
2.根据权利要求1所述的基于语义和结构信息互补的动态图结构学习框架，其特征在于，所述句法依赖树的构造方法如下：
3.根据权利要求1所述的基于语义和结构信息互补的动态图结构学习框架，其特征在...
【技术特征摘要】
1.一种基于语义和结构信息互补的动态图结构学习框架，其特征在于，所述框架由图构建模块、图融合模块以及动态图结构学习模块构成，其中，所述图构建模块，结合文本的语义信息和结构信息，分别基于句法依赖树和共现统计方法构建文本的初始静态图结构；所述图融合模块，通过组合构建不同图结构来增强图结构中所包含的信息；所述图结构学习模块用于进行迭代学习，获得鲁棒性更强的图结构。
2.根据权利要求1所述的基于语义和结构信息互补的动态图结构学习框架，其特征在于，所述句法依赖树的构造方法如下：
3.根据权利要求1所述的基于语义和结构信息互补的动态图结构学习框架，其特征在于，所述共有统计方法具体为：
【专利技术属性】
技术研发人员：库尔班·吾布力，赵玉霞，吕韶昂，左恩光，侯建文，
申请(专利权)人：新疆大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。