检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库

基于句法依赖关系的属性级文本情感分析技术研究

在线全文

学校读者我要写书评

暂无评论

基于句法依赖关系的属性级文本情感分析技术研究

作者：袁理云南大学

学位级别：硕士

属性级情感分析通过对文本中某一实体的某一属性进行建模,以探究评论者对于该属性的情感倾向。现有研究多通过注意力机制或者图卷积网络来对齐属性词与相关上下文,以此获得较准确的情感表征。但上述方法忽视了词与词之间的依赖关系,致... 详细信息

属性级情感分析通过对文本中某一实体的某一属性进行建模,以探究评论者对于该属性的情感倾向。现有研究多通过注意力机制或者图卷积网络来对齐属性词与相关上下文,以此获得较准确的情感表征。但上述方法忽视了词与词之间的依赖关系,致使模型会将属性词关联到无关上下文。基于此,论文通过将句法依赖关系注入语言模型以获取词与词之间的潜在句法信息,进而开展属性级情感分类和情感三元组提取的相关研究。论文的主要内容包括:1.针对图卷积模型为句法邻接词分配等值关注权重,并通过图卷积传播的多次迭代后,错误地将句法不相关的词与目标方面相关联的问题,论文提出一种基于图神经网络嵌入句法依赖的属性级文本情感分析方法。上述方法能够为句法邻接的上下文分配合适的权重,从而能够阻隔无关上下文的干扰。实验结果证明,所提出的方法可以有效将方面术语与意见上下文对齐,从而在分类准确性上优于基于注意力机制和图卷积网络的方法。2.针对目前预训练模型的全局关注的问题,论文提出了嵌入句法关系的预训练模型的方法。相比于传统方法将句法信息作为额外层并堆叠在隐藏层表示的方式,所提方法直接将句法信息合并到缩放点积注意力的注意力分布和词表示中,因此所提模型不需要额外的预训练。在属性级情感数据集上的实验结果表明该方法能够有效的将句法依赖信息注入到预训练知识当中,进而提升任务性能。3.针对现有属性级三元组抽取模型缺乏句法依赖的问题,论文提出了一种基于上下文感知的句法依赖语言模型的方法。该方法将句法依赖关系合并到上下文表示中,以学习单词之间的潜在关系。该方法使用相邻边的信息来丰富其句法表示。与现有端到端的方法相比,所提方法能有效学习到词对之间潜在语义关系,从而实现了更优的性能。

关键词：文本情感分析属性级情感分类句法依赖预训练语言模型图神经网络

基于句法依赖与多特征融合的方面级情感分析研究与实现

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

基于句法依赖与多特征融合的方面级情感分析研究与实现

作者：田继帅湖北大学

学位级别：硕士

随着互联网和人工智能技术的发展,越来越多的人们在社交媒体和电商平台发表自己的个人评论,这些评论中涵盖了丰富的情感信息,利用好这些情感信息,发掘其中的价值便尤为重要,但是目前用户的评论信息越来越多,评论文本越来越复杂,因此研... 详细信息

随着互联网和人工智能技术的发展,越来越多的人们在社交媒体和电商平台发表自己的个人评论,这些评论中涵盖了丰富的情感信息,利用好这些情感信息,发掘其中的价值便尤为重要,但是目前用户的评论信息越来越多,评论文本越来越复杂,因此研究方面级情感分析更能符合现有的实际需求。本文基于深度学习算法,提出了基于句法依赖与多特征融合的方面级情感分析模型,将方面级情感分析分为两个子任务来处理,分别是方面词提取任务和方面极性分类任务。本文主要研究工作如下:(1)针对方面词提取任务,一条文本信息中模型只关注词汇本身的表示,而忽略了词汇之间的上下文语法信息,导致在某些复杂语境下的提取效果不佳。同一句子中可能会出现相同的方面词,但是词性和语义完全不同。为了解决上下文语境问题和词性表达问题,本文提出了一种基于句法依赖与多特征信息融合的方面词提取模型,首先使用BERT(Bidirectional Encoder Representations from Transformers)获取词向量并加入词性序列编码,解决词性表达问题,其次使用BiGRU(Bidirectional Gated Recurrent Unit)和注意力机制得到单词特征信息和词性特征信息,并融入句法依赖特征,使用GCN(Graph Convolutional Networks)丰富上下文特征表示,最后进行多特征融合,实现对方面词的提取。实验结果表明该模型能有效提升方面词提取的效果。(2)针对方面极性分类任务,现有的文本情感分析方法中对注意力机制都是进行单一使用,无法很好的联系方面词与上下文的关联,而且自动依存句法分析结果会产生一定长距离噪音,常常影响模型的性能,造成情感极性的误判。为了解决此类问题,本文提出了一种基于增强句法信息与多特征图卷积融合的方面极性分类模型,首先使用BERT或Glove(Global Vectors for Word Representation)进行文本向量化表示,使用Bi LSTM(Bidirectional Long Short-Term Memory)获取上下文隐藏向量,使用注意力机制得到句子的全局语义信息和方面词的方面感知。句子结构上通过引入短语结构并在GCN模型中增强句法信息,最终将句法信息与语义信息融合并使用Softmax进行结果分类。实验结果表明,相较于其他研究方法,该模型在方面极性分类任务中取得了显著的提升。(3)根据本文的模型,设计并实现方面级情感分析系统,将方面词提取模型与方面极性分类模型整合到系统中,将文本评论进行方面词提取和分类结果展示,为用户提供情感分析需求的帮助。

关键词：方面级情感分析句法依赖注意力机制多特征融合

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

基于主体句和句法依赖的微博情感倾向性分析

南华大学学报（自然科学版） 2015年第1期29卷 109-114页

作者：张书卿周文欧阳纯萍饶婕刘志明阳小华南华大学计算机科学与技术学院湖南衡阳421001

情感倾向性分析是近年来中文信息处理领域的热点问题.通过对新浪微博进行情感的分析与研究,提出了一种基于主体句和句法依赖关系的微博情感倾向性分析方法.首先利用自定义规则和条件随机场模型进行主体句及主体评价对象的抽取;然后使用... 详细信息

情感倾向性分析是近年来中文信息处理领域的热点问题.通过对新浪微博进行情感的分析与研究,提出了一种基于主体句和句法依赖关系的微博情感倾向性分析方法.首先利用自定义规则和条件随机场模型进行主体句及主体评价对象的抽取;然后使用句法分析器对主体句进行依赖关系分析,可以准确的获得修饰评价对象的评价词;最后利用情感词典计算出句子的情感倾向.实验结果表明在精确获取评价对象的基础上再进行情感倾向性判别效果要优于对微博直接进行情感倾向性分析.

关键词：微博主体句条件随机场句法依赖情感倾向

维普期刊数据库

基于多特征融合和句法依赖图的中文医学命名实体识别

在线全文

学校读者我要写书评

暂无评论

阜阳师范大学学报(自然科学版) 2024年第4期 8-16页

作者：廖涛雷宇翔张顺香安徽理工大学计算机科学与工程学院

中文医学命名实体识别旨在从非结构化的中文医学领域文本中识别实体。现有方法中存在因分词导致级联错误从而影响实体识别效果，并且以往的方法没有充分利用词之间的句法依赖关系来解决词边界模糊的问题。针对上述问题，提出一种多特征... 详细信息

中文医学命名实体识别旨在从非结构化的中文医学领域文本中识别实体。现有方法中存在因分词导致级联错误从而影响实体识别效果，并且以往的方法没有充分利用词之间的句法依赖关系来解决词边界模糊的问题。针对上述问题，提出一种多特征融合和句法依赖图的命名实体识别方法。首先，利用词典对输入的序列数据进行Soft Lexicon的特征提取得到词级特征，且将其加入字级表示的句子中得到字词特征，避免了分词错误带来的影响；然后，将字词特征和部首偏旁级特征进行融合，并输入到双向长短时记忆网络中以获得上下文表示；最后，利用改进的图神经网络捕捉词之间的句法关系，再融合到上下文表示中，进一步增强了模型识别词边界的能力。在CCKS-2019和Resume数据集上的实验结果表明，该方法在多个指标上均取得较好的提升。

关键词：中文命名实体识别特征融合句法依赖图神经网络

结合显式句法依赖与分层注意力进行方面级情感分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

软件工程 2022年第9期25卷 1-4页

作者：范明炜张云华浙江理工大学信息学院浙江杭州310018

针对方面级情感分析中未能充分利用显式句法依赖的问题,提出基于语法依赖的分层注意力网络。对每个单词与方面词之间的语法路径进行建模,表征每个词对方面词的句法表示,将生成的句法表示反馈到关注层来推断权重。通过分层注意力对单词... 详细信息

针对方面级情感分析中未能充分利用显式句法依赖的问题,提出基于语法依赖的分层注意力网络。对每个单词与方面词之间的语法路径进行建模,表征每个词对方面词的句法表示,将生成的句法表示反馈到关注层来推断权重。通过分层注意力对单词和句子赋予不同的注意力权重,多方面帮助模型增加对重要部分的注意力。实验结果表明,该方法在SemEval-2014中优于现有的算法。

关键词：情感分析句法依赖注意力机制

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于数值增强图卷积网络的数学应用题求解

小型微型计算机系统 2025年

作者：肖伶盛陈羽中俞俊毅福州大学计算机与大数据学院福建省网络计算与智能信息处理重点实验室大数据智能教育部工程研究中心

数学应用题求解是机器阅读与数学推理结合的关键任务，其核心目标是通过对题目文本的理解，生成准确的数学表达式以求解问题.近年来，深度学习技术的快速发展推动了数学应用题自动求解模型的进步，此外，预训练语言模型的引入进一步提... 详细信息

数学应用题求解是机器阅读与数学推理结合的关键任务，其核心目标是通过对题目文本的理解，生成准确的数学表达式以求解问题.近年来，深度学习技术的快速发展推动了数学应用题自动求解模型的进步，此外，预训练语言模型的引入进一步提升了模型对文本语义的理解能力.然而，现有模型仍未能充分捕捉数学问题中的结构化依赖关系，缺乏对数值信息间隐含逻辑的深度建模.针对上述问题，本文提出了一个基于数值增强的图卷积网络（Number-enhanced Graph Convolutional Network，NEGCN）.NEGCN 通过构建数值比较图捕捉数值的大小、类型及其相互关系，实现数值信息与文本语义特征的有效融合，从而显著提升模型的数值推理能力.此外，本文设计了一种基于句法依赖的结构化信息提取机制，将数学问题文本转化为具备句法依赖关系的图表示，并通过图卷积神经网络学习句法结构特征，为问题求解过程提供更丰富的结构化语义信息.最后，NEGCN利用交互注意力机制强化不同子句间的语义交互，提取全局语义信息，提高了模型对数学问题整体语义的把握.实验结果表明，NEGCN在MAWPS和Math23K两个数据集上的总体性能优于对比模型，表现出更高的解题准确率与稳定性.

关键词：数学应用题图卷积数值推理句法依赖交互注意力

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于句法分析的关系分类和关系抽取方法研究

基于句法分析的关系分类和关系抽取方法研究

作者：孟佳营杭州电子科技大学

学位级别：硕士

随着信息技术的发展,人类社会进入大数据时代。知识图谱能连接相关数据并建立关系网络,为影视、医疗等行业提供有力支持。关系分类与关系抽取是构建知识图谱的关键技术,深入研究具有重要意义。关系分类旨在实体已知的情况下,预测实体之... 详细信息

随着信息技术的发展,人类社会进入大数据时代。知识图谱能连接相关数据并建立关系网络,为影视、医疗等行业提供有力支持。关系分类与关系抽取是构建知识图谱的关键技术,深入研究具有重要意义。关系分类旨在实体已知的情况下,预测实体之间的关系类别。关系抽取旨在实体未知的情况下,抽取文本中的关系三元组。句法分析捕获词汇间的依存关系,包含句法结构与句法依赖。使用句法分析技术能显著提升关系分类与关系抽取任务的效果。本文从句法分析的角度出发,对上述任务展开研究,主要研究内容如下:(1)在关系分类任务中,主流方法学习句法分析树的拓扑结构,丰富节点的语义信息。但是忽略了实体对、最近公共祖先节点所在子树的句法结构,导致未充分使用句法信息。此外,现有方法仅使用实体词汇进行关系分类,忽略了其他词汇的贡献,导致语义信息提取不完整。因此,本文提出了基于句法结构和关系指示词嵌入的关系分类模型。首先,通过预处理文本,获得分词结果以及句法分析树,利用统计方法获得关系指示词,增加其他词汇的贡献。然后,利用图同构网络提取句法分析树的句法结构特征,充分利用句法结构信息。其次,结合句法结构特征和关系指示词进行关系分类。最后,在DuIE数据集与SanWen数据集上进行实验,较基线模型F1分数分别提升3.72%与2.08%,验证了句法结构与关系指示词对于关系分类任务的有效性。(2)在关系抽取任务中,大多数方法仅对句法分析树编码,忽略了词汇间的主谓、动宾等句法依赖,导致句法信息丢失。此外,句法分析树中存在噪声信息,会对关系抽取造成负面影响。因此,本文提出了基于BERT预训练模型和句法依赖的关系抽取模型。首先,使用BERT预训练模型获得词嵌入,丰富词汇的语义信息。然后,在不同语境下,利用键值记忆网络学习句法依赖,提取更加丰富的句法信息,增强词嵌入的表达能力;同时,识别句法分析树中的噪声,降低噪声的影响。其次,使用LSTM对特征进行编码、解码,抽取关系三元组。最后,在WebNLG数据集与DuIE数据集上进行实验,较基线模型F1分数分别提升2.3%与4.4%,显示了该模型在关系抽取任务中的优越性。(3)自动化知识图谱构建系统能够对不同领域的知识图谱构建提供支持,降低人工成本。本文结合相关技术,设计了一个自动化知识图谱构建系统,并将提出的关系分类、关系抽取算法应用于知识图谱自顶向下构建过程。

关键词：关系分类关系抽取句法结构句法依赖知识图谱

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

基于图注意力网络的方面级别文本情感分析

计算机工程 2022年第2期48卷 34-39页

作者：施荣华金鑫胡超中南大学计算机学院长沙410083 中南大学大数据研究院长沙410083

方面级别文本情感分析旨在分析文本中不同方面所对应的情感趋向。传统基于神经网络的深度学习模型在文本情感分析的过程中,大多直接使用注意力机制而忽略了句法关系的重要性,即不能充分利用方面节点的上下文语义信息,导致情感趋向预测... 详细信息

方面级别文本情感分析旨在分析文本中不同方面所对应的情感趋向。传统基于神经网络的深度学习模型在文本情感分析的过程中,大多直接使用注意力机制而忽略了句法关系的重要性,即不能充分利用方面节点的上下文语义信息,导致情感趋向预测效果不佳。针对该问题,设计一种融合句法信息的图注意力神经网络模型,并将其应用于文本情感分析任务。利用预训练模型BERT进行词嵌入得到初始词向量,将初始词向量输入双向门控循环神经网络以增强特征向量与上下文信息之间的融合,防止重要上下文语义信息丢失。通过融合句法信息的图注意力网络加强不同方面节点之间的交互,从而提升模型的特征学习能力。在SemEval-2014数据集上的实验结果表明,该模型能够充分利用句法信息进行情感分析,其准确率较LSTM及其变种模型至少提升3%,对Restaurant评论进行情感分类预测时准确率高达83.3%。

关键词：情感分析门控循环神经网络图卷积神经网络句法依赖注意力机制

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向多方面的双通道知识增强图卷积网络模型

计算机工程与科学 2023年第12期45卷 2246-2255页

作者：陈景景韩虎徐学锋兰州交通大学数理学院甘肃兰州730070 兰州交通大学电子与信息工程学院甘肃兰州730070

基于方面的情感分析是一项细粒度的情感分析任务,旨在将方面与相应的情感词对齐,以进行特定于方面的情感极性推理。近年来,借助句法依赖信息的图神经网络情感分类方法成为该领域的一个研究热点,但是由于评论语句在内容表达和句法结构上... 详细信息

基于方面的情感分析是一项细粒度的情感分析任务,旨在将方面与相应的情感词对齐,以进行特定于方面的情感极性推理。近年来,借助句法依赖信息的图神经网络情感分类方法成为该领域的一个研究热点,但是由于评论语句在内容表达和句法结构上的灵活性,仅利用句法依赖信息的建模方法仍然存在一定的不足。为了发挥情感知识与结构语义信息对评论语句的增强作用,提出一种双通道知识增强图卷积网络模型DualSyn-GCN。一方面根据方面与方面、方面与上下文之间的隐含关系进行句法依赖邻接矩阵的增强,另一方面从外部情感知识对方面的情感依赖进行学习,随后对2种不同增强表示进行融合,从而实现不同表示间的共享与互补。实验结果表明,相较于经典的基于特定方面的图卷积网络模型(ASGCN),该模型在LAP14数据集上的准确率和MF1值分别提升了2.34%和3.26%。

关键词：方面级情感分析句法依赖知识增强图卷积网络情感知识

维普期刊数据库博看期刊