[发明专利]基于局部样本相关性的标记分布中文情感预测方法在审
| 申请号： | 201710661382.6 | 申请日： | 2017-08-04 |
| 公开（公告）号： | CN107391492A | 公开（公告）日： | 2017-11-24 |
| 发明（设计）人： | 贾修一;郑翔 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06K9/62;G06F17/30 |
| 代理公司： | 南京理工大学专利中心32203 | 代理人： | 朱宝庆 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于局部样本相关性的标记分布中文情感预测方法，包括以下步骤利用k‑means聚类方法将训练集聚类成m个簇，对局部相关性特征矩阵和聚类中心标签矩阵进行初始化；利用梯度下降法对目标函数进行最优化，求解原始特征系数矩阵、局部相关性特征系数矩阵和局部相关性特征矩阵；以原始特征为输入，求解得到的局部相关性特征矩阵c的每一列为输出，训练出m个线性回归模型；利用训练好的线性回归模型对测试示例的局部相关性特征进行预测；使用输出模型对测试示例的分布进行预测。 | ||
| 搜索关键词： | 基于 局部 样本 相关性 标记 分布 中文 情感 预测 方法 | ||
【主权项】：
一种基于局部样本相关性的标记分布中文情感预测方法，其特征在于，包括以下步骤：步骤1，利用k‑means聚类方法将训练集聚类成m个簇，对局部相关性特征矩阵c和聚类中心标签矩阵P进行初始化；步骤2，利用梯度下降法对目标函数进行最优化，求解原始特征系数矩阵θ、局部相关性特征系数矩阵w和局部相关性特征矩阵c；步骤3，以数据的原始特征为输入，以上述步骤2求解得到的局部相关性特征矩阵c为输出，利用现有的线性回归方法训练出m个线性回归模型；步骤4，利用训练好的线性回归模型对测试示例的局部相关性特征进行预测；步骤5，使用输出模型对测试示例的分布进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710661382.6/，转载请声明来源钻瓜专利网。
- 上一篇：文字选择方法及装置
- 下一篇：一种舆情信息提取方法、装置、终端设备及存储介质
