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！

龙图腾网获悉安徽大学申请的专利一种基于对比学习的跨域情感分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116049406B 。

龙图腾网通过国家知识产权局官网在2026-05-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310068434.4，技术领域涉及：G06F16/35；该发明授权一种基于对比学习的跨域情感分类方法是由韩广清;陈洁设计研发完成，并于2023-02-06向国家知识产权局提交的专利申请。

本一种基于对比学习的跨域情感分类方法在说明书摘要公布了：本发明属于大数据分析领域，具体涉及一种基于对比学习的跨域情感分类方法。其用于增强情感分类模型对文本信息的特征提取和跨域情感的分析能力，该方法包括：S1：构建包含源域特征提取器、目标域特征提取器、情感分类器、域对齐器和对比学习器的跨域情感训练模型。S2：对评论语料进行预处理，构成所需的评论数据集。S3：设计模型训练所需的总体目标损失函数；S4：使用Adam优化器对跨域情感训练模型进行训练。S5：利用最佳跨域情感训练模型的目标域特征提取器和情感分类器构造所需的跨域情感分类网络。S6：利用跨域情感分类网络对目标文本信息进行跨域情感分类。本发明解决了现有方法忽略目标域的域特定特征导致情感分类精度不足的问题。

本发明授权一种基于对比学习的跨域情感分类方法在权利要求书中公布了：1.一种基于对比学习的跨域情感分类方法，其用于增强情感分类模型对文本信息的特征提取和跨域情感的分析能力，其特征在于，所述跨域情感分类方法包括如下步骤： S1：构建一个包含源域特征提取器、目标域特征提取器、情感分类器、域对齐器和对比学习器的跨域情感训练模型；所述跨域情感训练模型的数据处理方式如下： 1采用源域特征提取器对源域数据Ds进行特征提取，得到源域特征Fs； 2对目标域数据Dt进行数据增强处理，得到增强数据Dt′； 3采用与源域特征提取器共享参数的目标域特征提取器对目标域数据Dt和增强数据Dt′进行特征提取，分别得到目标域特征Ft和增强特征Ft′； 4源域特征Fs的输出分为两路，一路输入到情感分类器中，经情感分类器处理得到对应的情感极性分类结果；另一路输入到域对齐器； 5目标域特征提取器提取到的目标域特征Ft分为两路，一路输入到域对齐器，由所述域对齐器根据源域特征Fs和目标域特征Ft计算出两个域的差异；另一路输入到对比学习器； 6目标域特征提取器提取到的增强特征Ft′输入到对比学习器，由对比学习器结合目标域特征Ft和增强特征Ft′提取目标域中的特定特征； S2：获取大量评论语料集合，并对评论语料进行预处理，构成所需的评论数据集，所述评论数据集包括源域数据Ds和目标域数据Dt；所述源域数据Ds包含情感标签，所述目标域数据Dt不包含标签； S3：设计所述跨域情感训练模型训练所需的总体目标损失函数L，包括如下步骤： S31：根据分类目标将交叉熵损失Lsent作为情感分类器的源域情感分类损失； S32：根据鉴别性特征的学习特点，设置评估对比学习器提取目标域特定特征性能的目标函数为对比损失Lcon； S33：对源域和目标域数据进行特征对齐提取域不变特征，进而设置域对齐器的损失函数为对齐差异损失Lalign； S34：将最小化交叉熵损失Lsent、对比损失Lcon和对齐差异损失Lalign作为所述跨域情感训练模型训练阶段的总体目标损失函数L，即： L＝Lsent+αLcon+βLalign 其中，α和β分别是对比损失项和对齐差异损失项的权重因子； S4：使用Adam优化器对所述跨域情感训练模型进行训练，训练阶段的内容如下： S41：将所述评论数据集中的目标域数据Dt和部分源域数据Ds中的数据作为训练集；剩余的源域数据Ds中的数据作为验证集； S42：将设计的总体目标损失函数L作为训练阶段的优化函数； S43：设置训练阶段的各项参数，包括：学习率、迭代次数、批处理大小和总体目标损失函数L中的超参数； S44：采用训练集对所述跨域情感训练模型进行批量迭代训练；并保存每轮训练后的模型参数； S45：将准确率作为评价指标，在每轮训练完成后，通过验证集对训练后的网络模型进行验证，并计算对应的评价指标；更新并保存评价指标最佳的跨域情感训练模型的模型参数； S5：选择训练完成后的评价指标最佳的跨域情感训练模型，将其中的目标域特征提取器作为特征提取部分，并将其中的情感分类器作为分类部分，得到所需的跨域情感分类网络； S6：利用所述跨域情感分类网络对输入的目标文本信息依次进行特征提取和分析，进而输出对应跨域情感分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。