基于高斯混合多层自编码器的情感漂移检测模型
作者机构：山西财经大学信息学院 山西财经大学金融学院 山西大学计算机与信息技术学院
出 版 物：《软件学报》 (Journal of Software)
年 卷 期：2024年
核心收录：
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金(62376143,62106130,62106130) 山西省基础研究计划青年科学研究项目(202203021212495,20210302124084) 山西省高等学校科技创新项目(2021L283,2021L284) 山西省基础研究计划(202303021211021) CCF-智谱AI大模型基金(CCF-Zhipu202310)
主 题：情感漂移 层次变分自编码器 情感元分布 漂移度量 高斯混合
摘 要：社交网络情感数据最为显著的特征是其动态性.针对群体文本情感漂移分析任务,提出一种高斯混合多层自编码器(GHVAE)用于情感漂移检测. GHVAE将高斯混合分布作为潜在分布的假设先验,对应潜在分布的多中心性质从而提高模型性能.此外,还对原始HVAE模型内建的漂移度量算法进行改进,改善了高漂移值之间过于接近导致分类性能下降的问题.采用多项对照实验和消融实验用于验证GHVAE的性能,实验结果显示新模型的创新点为其漂移检测表现带来了提升.
同方期刊数据库