检索结果-南通市图书馆

中文信息学报 2024年第5期 136-145页

作者：王佳朱小飞唐顾黄贤英重庆理工大学计算机科学与工程学院

会话情感分析指对一段会话中的每句话进行情感分类，目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响，而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题，该文提出了一个基于多粒度融合的图卷积神经... 详细信息

会话情感分析指对一段会话中的每句话进行情感分类，目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响，而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题，该文提出了一个基于多粒度融合的图卷积神经网络，其主要包括两个模块，即特征提取模块和星图增强的图学习模块。首先，特征提取模块使用预训练语言模型RoBERTa获取会话中语句之间粗粒度的上下文信息，同时结合句法依赖树获取词之间细粒度的句法信息，从而将多粒度特征信息引入到会话情感建模。然后，在星图增强的图学习模块中建模会话的背景情感信息和会话中不同说话者之间的交互信息，从而增强会话情感分析的准确性。实验结果表明，该文提出的模型与其他基线模型相比，其准确性以及度量指标F1值在所有数据集上均有显著提升。

关键词：会话情感分析多粒度融合句法依赖树图卷积网络

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多粒度融合的图卷积网络会话情感分析研究

基于多粒度融合的图卷积网络会话情感分析研究

引用

作者：王佳重庆理工大学

学位级别：硕士

随着互联网时代的迅猛发展,人人都是自媒体时代的到来彻底改变了整个网络环境,因此互联网上带有情感倾向的会话文本数据暴增。这些海量的数据包含了大量与民生息息相关的信息,同时也具有极高的商业价值,如果能有效加以利用这些情感数据... 详细信息

随着互联网时代的迅猛发展,人人都是自媒体时代的到来彻底改变了整个网络环境,因此互联网上带有情感倾向的会话文本数据暴增。这些海量的数据包含了大量与民生息息相关的信息,同时也具有极高的商业价值,如果能有效加以利用这些情感数据,商家可以大幅度提升用户体验,相关机构也可以更有效的进行决策判断。情感的表达是日常人类交流的重要组成部分。对会话和顺序上下文的建模已经取得了很大的成功,在会话情绪识别(ERC)中发挥着至关重要的作用。然而,现有的方法要么只对两者中的一个进行建模,要么采用朴素的融合方法来获得最终的话语表示。本文针对以上提出的问题,对建模表征的丰富性、构图以及融合方式做出有效改进,主要的工作内容与创新点如下:(1)针对之前工作有关会话情感分析模型的缺点,不仅忽略了对话中内部信息的相互影响,而且没有考虑到日常对话中存在的隐性背景情感。本文提出了一个基于粗细粒度融合的双通道图卷积神经网络,其主要包括两个模块,即特征提取模块和星图增强的图学习模块。首先,特征提取模块使用预训练语言模型(6获取会话中语句之间粗粒度的上下文信息,同时结合句法依赖树获取词之间细粒度的句法信息,从而将多粒度特征信息引入到会话情感建模。然后,星图增强的图学习模块建模了会话的背景情感信息以及会话中不同说话者之间的交互信息,从而增强会话情感分析的准确性。实验结果表明,本文提出的模型与其他基线模型相比,其准确性以及度量指标值在所有数据集上均有显著提升。(2)针对之前工作中会话语句表征的隐含信息丰富度较贫瘠、主题情感信息的缺失以及特征融合方式的简单,本文提出了一个基于递归与图学习方式的融合的多主题神经网络,该模型主要分为三部分,分别是特征提取模块、双通道主题图学习模块以及递归融合模块。首先特征提取模块是多粒度融合的特征,包含了词之间交互信息以及语句之间的交互信息,双通道主题图学习模块利用主题模型LDA提取会话中的主题表征,并将其加入多主题星图中进行建模,同时并行构建有向无环图,最后将双通道图学习输出的表征输入递归融合模块Mix-LSTM中进行融合以便最后进行情感分类。实验结果表明,本文提出的模型比其他基线模型拥有更高效、更准确的分类性能,度量指标也比其他基线模型拥有更强的竞争力。

关键词：会话情感分析多粒度融合句法树图卷积神经网络主题模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的多模态情感分析方法研究

基于深度学习的多模态情感分析方法研究

引用

作者：邹雯雯南京理工大学

学位级别：硕士

近些年,随着社交网络的不断发展,越来越多的用户开始使用图文结合的博文、短视频等多模态的形式来表达他们的观点与情感。单一模态的信息表达力是有限的,并且也不符合人类在现实生活中的真实交流方式,而多模态在文本内容的基础上,增加... 详细信息

近些年,随着社交网络的不断发展,越来越多的用户开始使用图文结合的博文、短视频等多模态的形式来表达他们的观点与情感。单一模态的信息表达力是有限的,并且也不符合人类在现实生活中的真实交流方式,而多模态在文本内容的基础上,增加了表情动作等视觉特征和语音语调等音频特征后,往往可以传达更准确和丰富的情感信息,展现单一模态可能隐藏和忽略的信息。但多模态数据之间天然存在结构和语义上的鸿沟,这种数据的异构性为多模态情感分析带来了独特的挑战。如何正确利用好多模态信息的互补性,有效建模模态之间的融合交互与模态之外的话语交互关系,已成为多模态情感分析领域亟待解决的问题。基于上述背景,本文以多模态情感分析作为主要研究内容,从多模态评论情感分析与多模态会话情感分析这两个课题任务出发,开展了以下两个方面的工作:(1)提出了基于BERT中间层信息的多模态评论情感分析算法。为了能够充分利用预训练模型BERT建模文本特征的优势,该算法设计了一个外接在BERT上的基于Transformer编码器的多模态融合部件,将非语言模态信息与BERT的中间层信息作层级性融合。为了提高分层融合框架的记忆能力,引入了门控循环单元(GRU)来记忆各个阶段的融合特征。另外,还基于特征解纠缠思想提出了一个恢复模块,它可以从丢弃的信息中提取出与情感相关的特征并恢复到网络中,使特征更具情绪识别力。我们的模型成功地在多模态数据上对BERT进行了微调,它在两个基准数据集上的优异性能也证明了它是一个有效的多模态融合框架。(2)提出了基于会话Transformer和图融合的多模态会话情感分析算法。该算法提出了一种带有多种注意力机制的会话Transformer结构,用于建模特定话语的单模态语境特征,改进后的注意力机制可以捕获到说话人自身以及其他说话人的历史话语对当前话语的情感影响。针对多模态上下文融合问题,引入了一种动态图融合模块,该模块利用图卷积运算建模不同话语不同模态之间的交互关系,模块包含的特殊门控组件可以过滤每一层图卷积所积累的冗余信息。此外,为了增强模型对说话人的敏感性,该算法设计了一个辅助任务,用于分类一轮对话中的任意两句话语是否属于同一说话人。在两个基准数据集上的大量实验证明了该算法的有效性和优越性。

关键词：多模态情感分析会话情感分析深度学习多模态融合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：