一种基于双向GRU网络的数据库领域情感过滤问答方法、系统

本发明提出一种基于双向GRU网络的数据库领域情感过滤问答方法、系统，利用霍夫曼树编码压缩词典规模，并通过节点向量共享和路径条件概率的逐级计算，减少计算复杂度和参数迭代量，解决了大规模词典场景下嵌入向量化效率不足的问题。采用本发明后，可以有效减小条件概率的计算复杂度，提高模型在大规模语料处理时的计算效率。同时，利用霍夫曼树进行路径编码，有助于减少模型训练过程中的参数更新次数，提高更新效率。通过上述改进的softmax函数，能够更好地考虑数据的分布特性，提高情感识别的准确性，尤其是在处理类别间重叠或分布不均匀的数据时有更高的准确性。