检索结果-南通市图书馆

融合BERT和双向长短时记忆网络的中文反讽识别研究

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2023年

作者：王旭阳戚楠魏申酉兰州理工大学计算机与通信学院

用户对微博热点话题进行评论时会使用反语、讽刺的修辞手法，反语、讽刺本身带有一定的情感倾向会对情感分析结果造成一定影响。因此该文主要针对中文微博评论进行反讽识别，构建了一个包含反语、讽刺和非反讽的三分类数据集，提出一个... 详细信息

用户对微博热点话题进行评论时会使用反语、讽刺的修辞手法，反语、讽刺本身带有一定的情感倾向会对情感分析结果造成一定影响。因此该文主要针对中文微博评论进行反讽识别，构建了一个包含反语、讽刺和非反讽的三分类数据集，提出一个基于BERT和双向长短时记忆网络（BiLSTM）的模型BERT＿BiLSTM。该模型通过BERT生成含有上下文信息的动态字向量，输入BiLSTM提取文本的深层反讽特征，在全连接层传入softmax对文本进行反讽识别。实验结果表示，在二分类和三分类数据集上，该文提出的BERT＿BiLSTM模型与现有主流模型相比准确率和F1值均有明显提高。

关键词：反讽识别 BERT 特征提取双向长短时记忆网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多模态深度学习的旅游评论反讽识别研究

情报理论与实践 2022年第7期45卷 158-164页

作者：张继东蒋丽萍湖北工业大学经济与管理学院湖北武汉430068

[目的/意义]反讽作为一种隐性而间接的情感表达方式,在社交评论中被广泛使用,正确识别用户的反讽情感对于网络平台和服务商具有重要意义。[方法/过程]文章基于深度学习构建多模态反讽识别模型,以在线旅游评论为例,运用深度学习模型分别... 详细信息

[目的/意义]反讽作为一种隐性而间接的情感表达方式,在社交评论中被广泛使用,正确识别用户的反讽情感对于网络平台和服务商具有重要意义。[方法/过程]文章基于深度学习构建多模态反讽识别模型,以在线旅游评论为例,运用深度学习模型分别提取文本、表情符号和图片的特征向量,通过不同的特征融合方式进行反讽识别。[结果/结论]通过与单模态反讽识别模型进行对比实验,发现文章提出的多模态旅游评论反讽识别模型在准确率、召回率等指标上的结果更优,验证了多模态模型比单模态模型反讽识别效果更佳的结论。

关键词：多模态深度学习模态融合旅游反讽识别

在线全文

学校读者我要写书评

暂无评论

基于深度学习的社交平台短文本反讽识别研究

基于深度学习的社交平台短文本反讽识别研究

作者：周海波西华师范大学

学位级别：硕士

随着网络的不断普及,各种网络社交媒体成为民众发表评论,述说看法的首选平台,对平台上民众评论的情感分类具有一定的现实意义和时间价值。但在网络社交媒体这一特殊的语言环境下,网民的各种评论往往会使用丰富的修辞手法,反讽就是其中... 详细信息

随着网络的不断普及,各种网络社交媒体成为民众发表评论,述说看法的首选平台,对平台上民众评论的情感分类具有一定的现实意义和时间价值。但在网络社交媒体这一特殊的语言环境下,网民的各种评论往往会使用丰富的修辞手法,反讽就是其中比较有特点的一种修辞方式。由于表达方式异于一般的正式的书面表达,这种隐含式的修辞方式无疑给这一类文本语料的情感分类任务带来了挑战。本文从该类文本语料的文本特征入手,在参考了其他研究者的思路方法后,结合对此类文本的词云图分析和其他统计数据,对这种特殊语言背景下的语料文本特征进行了详尽的分析,参考自然语言处理的常用方法,提出了针对不同类型网络社交媒体短文本的两种不同的方法进行语料的反讽识别。对于缺少其他辅助信息的网络社交媒体短文本反讽语料,本文从语料文本内容出发提出里一种基于Bert预训练模型的提示学习模型prompt Bert,实验证明这种方法对于此类文本的分类效果要优于其他常见传统模型。而对于有其他上下文辅助信息的网络社交媒体短文本反讽语料,本文结合了语料文本特征和其他上下文辅助信息特征,提出了一种context-prompt-Bert模型,在前面模型的基础上本文使用了LSTM模型提取其他上下文辅助信息特征,实验证明本文模型在语料文本内容基础上通过注意力机制结合了其他上下文辅助信息后,分类效果相较于没有结合其他上下文辅助信息的模型有一定提升。而相较于其他直接将上下文辅助信息和文本内容直接拼接进行分类的模型,本文模型在分类上也有一定的性能优势。在后面的实验部分本文也设计了消融实验证明了本文设计的模型融合的有效性。

关键词：网络社交媒体短文本情感分类反讽识别自然语言处理 Bert预训练模型提示学习 LSTM

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向社交媒体的短文本反讽识别与情感分析

面向社交媒体的短文本反讽识别与情感分析

作者：王韩林重庆邮电大学

学位级别：硕士

文本情感分析是自然语言处理领域中一项重要任务。随着互联网的不断发展,网络上出现了大量的文本数据,这些数据携带着人们的观点、情感等主观信息,对其进行情感分析可以为企业和政府的决策提供支持。本学位论文以互联网上的评论等文本... 详细信息

文本情感分析是自然语言处理领域中一项重要任务。随着互联网的不断发展,网络上出现了大量的文本数据,这些数据携带着人们的观点、情感等主观信息,对其进行情感分析可以为企业和政府的决策提供支持。本学位论文以互联网上的评论等文本数据作为研究对象,发现评论文本使用了反讽修辞,这会影响到情感分析的准确性,在分析了现有反讽文本识别方法及情感分析方法的不足后,对模型进行改进创新,主要研究工作如下:1.在反讽文本识别方面,针对现有反讽文本识别方法缺乏对文本主题的关注,忽略了反讽句子中存在情感极性相反词对这一重要特征的问题,提出一种基于主题模型和词汇间注意力分数的反讽文本识别方法。首先,使用预训练的word2vec对文本进行词向量嵌入,以获得文本特征词汇的向量表示。其次,融合主题模型、词汇间注意力分数部分以及双向长短期记忆网络构建了多通道的向量处理模块,弥补了反讽文本识别方法对文本主题忽视的缺陷,并且关注了当前词汇与其他词汇情感极性相反的现象。然后,引入注意力机制,突出向量处理模块中反讽识别相关特征。最后,在两个中文数据集、Riloff和Ptacek两个英文反讽文本数据集上进行实验,结果表明,本论文所提方法性能优于现有反讽文本识别方法。2.在文本情感分析方面,针对情感分析方法Caps Net中,特征提取不足、忽略了文本位置特征、没有充分利用文本多元语法特征的问题,提出一种融合位置特征的改进Caps Net情感分析方法。它主要由词嵌入层、多尺度特征融合层、改进的k-means胶囊层以及情感分类层四个部分组成。其中词嵌入层将文本特征与文本位置特征相融合,以丰富词嵌入层输入;多尺度特征融合层使用不同尺度的卷积核获取文本的多元语法特征,弥补短文本特征词汇不足的缺陷;改进的kmeans胶囊层使用统计学公式寻找数据集最密集一点对初始值进行赋值,以减少数据集中孤立点的影响;情感分类层用来判别情感倾向。此外,运用第三章的反讽文本识别方法作为情感分析的判别条件。在Restaurant和Laptop数据集上进行实验分析,结果表明本文模型在情感分析任务上优于其它现有模型。

关键词：反讽识别情感分析主题模型注意力分数多尺度特征

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多语义融合的反讽识别

中文信息学报 2021年第6期35卷 103-111页

作者：樊小超杨亮林鸿飞刁宇峰申晨楚永贺新疆师范大学计算机科学技术学院新疆乌鲁木齐830054 大连理工大学计算机科学与技术学院辽宁大连116024 内蒙古民族大学计算机科学与技术学院内蒙古通辽028043

反讽是一种复杂的语言现象,被广泛应用于社交媒体中。如何让计算机具有识别反讽的能力,成为了自然语言处理研究领域的热门研究内容之一。该文针对反讽识别中缺乏上下文语境信息和修辞表达信息的问题,提出了基于多语义融合的反讽识别方... 详细信息

反讽是一种复杂的语言现象,被广泛应用于社交媒体中。如何让计算机具有识别反讽的能力,成为了自然语言处理研究领域的热门研究内容之一。该文针对反讽识别中缺乏上下文语境信息和修辞表达信息的问题,提出了基于多语义融合的反讽识别方法。该方法采用ELMo从大规模反讽文本中训练得到领域词嵌入表示,并融合基于词性和基于风格信息的语义表示,使用双向长短时记忆网络和卷积神经网络进行反讽识别。实验结果表明,所提出模型能够从多个维度提取反讽文本的潜在语义特征,在公开数据集IAC上的实验性能有显著提升。

关键词：反讽识别多语义融合神经网络 ELMo

在线全文

学校读者我要写书评

暂无评论

融合语言特征的卷积神经网络的反讽识别方法

中文信息学报 2019年第5期33卷 31-38页

作者：卢欣李旸王素格山西大学计算机与信息技术学院山西太原030006

面对某些热点事件,微博评论者经常使用反讽来表达对于该事件的看法,以往的情感分析任务往往忽略这一语言现象。为了提高微博情感分析的准确率,该文对反讽识别开展了研究。通过分析中文文本的语言现象和社交网络的特性,归纳了中文微博反... 详细信息

面对某些热点事件,微博评论者经常使用反讽来表达对于该事件的看法,以往的情感分析任务往往忽略这一语言现象。为了提高微博情感分析的准确率,该文对反讽识别开展了研究。通过分析中文文本的语言现象和社交网络的特性,归纳了中文微博反讽的语言特征,提出了一种融合语言特征的卷积神经网络(CNN)的反讽识别方法。该方法将反讽特征和句子分别采用Word Embedding作为输入,再卷积、池化后,将其全连接融合,构建了新的卷积神经网络模型。实验结果表明,该方法在反讽识别的性能上优于传统的基于机器学习的方法。

关键词：微博反讽识别卷积神经网络语言特征

考虑反讽语义识别的协同双向编码舆情评论情感分析研究

在线全文

学校读者我要写书评

暂无评论

情报杂志 2022年第5期41卷 99-105,111页

作者：潘宏鹏汪东刘忠轶李轲中国人民公安大学公安管理学院北京100076 中国人民解放军火箭军士官学校作战保障系潍坊262500

[研究目的]舆情评论情感分析是帮助相关部门及时掌握网民诉求、合理疏导舆情的重要抓手。为解决传统文本分析模型无法准确判别掺杂反讽语义文本的情感极性问题,设计了一种协同双向编码表征模型。[研究方法]将两个普通双向编码表征模型... 详细信息

[研究目的]舆情评论情感分析是帮助相关部门及时掌握网民诉求、合理疏导舆情的重要抓手。为解决传统文本分析模型无法准确判别掺杂反讽语义文本的情感极性问题,设计了一种协同双向编码表征模型。[研究方法]将两个普通双向编码表征模型协同组合,分别进行反讽语义/非反讽语义、正面情感/负面情感的语义理解能力训练。然后将获取的反讽识别向量与情感识别向量通过一个额外的全连接层进行合并,构建协同双向编码表征模型。在反讽识别向量的指导下,此模型会根据评论文本的不同性质,在输出层进行不同的对应处理。[研究结论]以“望江女子溺水案”为例进行实验,结果表明:与普通双向编码表征、Text-CNN和Text-LSTM模型相比,协同双向编码表征模型的P、R、A、F1等指标均有明显提高。且在此基础上进行的LDA主题挖掘,可实现舆情评论情感极性的主题可视化,为相关部门进行舆情管控提供更加精准的决策支持。

关键词：舆情反讽识别协同双向编码表征情感分析

在线全文

学校读者我要写书评

暂无评论

融合多源信息的反讽识别模型研究

融合多源信息的反讽识别模型研究

作者：陈少熠厦门大学

学位级别：硕士

近年来,诸如微博、贴吧之类的社交媒体网站获得了极大的欢迎和重视。社交媒体网站的发展刺激了民众在公众场合使用比喻和创造性语言,反讽作为其中之一也愈来愈多地被使用在社交媒体上。从全世界的范围来看,反讽都是一种有趣且引人注目... 详细信息

近年来,诸如微博、贴吧之类的社交媒体网站获得了极大的欢迎和重视。社交媒体网站的发展刺激了民众在公众场合使用比喻和创造性语言,反讽作为其中之一也愈来愈多地被使用在社交媒体上。从全世界的范围来看,反讽都是一种有趣且引人注目的语言形式,但如何识别其内在含义也是一项艰巨的任务。反讽识别可从上下文无关与上下文相关两种思路进行研究。上下文无关的方法从反讽句的语言特性入手,而上下文相关的方法更加注重上下文信息的利用。随着深度学习领域的不断发展,传统机器学习的反讽识别方法已被逐渐淘汰,特别是预训练模型的进步为反讽识别带来了更多可供探索的空间。以预训练模型为基础,本文针对两种研究思路提出了两个方法:(1)上下文无关的反讽研究受限于可获取的信息太少,所以只能从文本自身挖掘信息,之前的研究者已从词性标签、语言特性等方面入手。由于反讽句对于句法的变化敏感并且反讽句暗含着使用者的强烈情感,所以本文引入依存句法分析模块和情感分析模块对每个句子进行依存句法分析与情感特征的提取,并将两者与预训练模型得到的文本特征进行融合进行反讽识别。在Ciron数据集上本文提出的反讽识别方法相比BERT提升了 2.5%的F1值。(2)上下文相关的反讽识别方法由于可引入更多的上下文信息,理论上相比上下文无关的反讽识别拥有更高的准确性。由于每个社交媒体用户的反讽使用习惯不同,本文利用用户的历史回复将用户转换为向量作为用户特征。除了用户特征,语篇信息也是反讽识别的重要信息,所以本文也将加入语篇信息。最终利用多任务学习把上下文信息与情感信息融合进模型。在SARC的平衡和非平衡数据集上本文提出的方法相比之前的最好模型的F1值分别提升了 1.5%和2.2%,并且通过消融实验证明了引入的上下文信息确实提高了反讽识别的准确性。

关键词：反讽识别情感上下文信息预训练模型

基于深度学习的中文反讽识别及其情感判别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的中文反讽识别及其情感判别研究

作者：卢欣山西大学

学位级别：硕士

目前,情感分析是自然语言处理中最活跃的研究领域之一。反讽是一种隐式情感表达的修辞手段,通过使用与实际意图相反的词来达到讽刺或者幽默的语言表达效果。反讽的真实语义无法通过文本词汇直接推断出来,它的字面意思和真实意图存在着... 详细信息

目前,情感分析是自然语言处理中最活跃的研究领域之一。反讽是一种隐式情感表达的修辞手段,通过使用与实际意图相反的词来达到讽刺或者幽默的语言表达效果。反讽的真实语义无法通过文本词汇直接推断出来,它的字面意思和真实意图存在着矛盾冲突,因此,反讽识别及其情感判别更具挑战性。以往的文本情感分析往往忽略了这一语言现象,影响了情感分析的准确率。为了提升文本情感分析的准确率,本文对中文反讽识别及其情感判别开展研究。通过分析中文特有的语言现象和微博的特点,归纳了中文微博反讽的语言特征,提出了融合语言特征的卷积神经网络模型和融合上文信息的注意力机制的LSTM模型来进行反讽识别及其情感判别。主要研究工作如下:(1)中文微博反讽的语言特征选择。由于反讽与语言习惯有关,不同语言的语法结构和语义表达存在差异,和英文反讽相比,中文反讽的语法结构和语义表达更加复杂,使得中文反讽识别及其情感判别在词语层面上比英文反讽识别及其情感判别更具有难度,英文的反讽特征并不能够直接用于中文的反讽识别及其情感判别中。本文在借鉴中英文反讽识别相关工作的基础上,考虑中文微博自身的特点,归纳了中文微博反讽的几种语言特征,并通过卡方统计量选取了多种语言特征对应的特征词。(2)融合语言特征的卷积神经网络模型。传统的机器学习方法依赖于人工选取特征,这些特征的选取需要专业领域知识和大量的实践,而且单凭人工特征难以获得句子的深层语义信息。本文针对传统特征选择方法无法挖掘句子深层语义的不足,采用Skip-gram模型训练微博词向量,提出了一种融合语言特征的卷积神经网络模型。该模型在利用中文反讽语言特征的同时,融合了句子的深层语义信息。实验结果显示,该模型在中文反讽识别方面比传统的机器学习方法有明显的提升,F值达到了0.8187,同样该模型在反讽情感判别方面较单独的CNN模型有一定的改善。(3)融合上文信息注意力机制的LSTM模型。对于微博中的反讽句,它的上文信息往往叙述了反讽的原因,表达了微博的整体情感。因此,上文信息对于反讽识别及其情感判别起着关键性的作用。由于传统的CNN模型仅从连续的N-gram向量矩阵中获取局部的特征,无法解决句子中非连续性依赖和交互性问题,相互独立的节点无法有效表示序列化的文本。因此,为了更好的对句子进行语义表示,本文在融合语言特征的卷积神经网络模型的基础上,加入了LSTM和注意力机制。实验结果显示,该方法提高了中文反讽识别的精确率,并对反讽的情感判别也有一定的提升。

关键词：反讽识别情感判别特征选择卷积神经网络 LSTM