检索结果-南通市图书馆

情报杂志 2016年第10期35卷 185-189页

作者：曹宇王名扬贺惠新东北林业大学信息与计算机工程学院哈尔滨150040 同方知网(北京)技术有限公司北京100000

[目的/意义]传统的微博文本情感分类大多注重判别情感的二元或三元倾向,这不能很好地贴近人类真实情感的描述。对微博文本的多元情感分类问题进行研究,有助于探明微博用户对某事件的真实看法,帮助相关部门对事件走向做出正确的判断和引... 详细信息

[目的/意义]传统的微博文本情感分类大多注重判别情感的二元或三元倾向,这不能很好地贴近人类真实情感的描述。对微博文本的多元情感分类问题进行研究,有助于探明微博用户对某事件的真实看法,帮助相关部门对事件走向做出正确的判断和引导。[方法/过程]结合卡方检验方法,对含有众多口语化词汇和表情符号的微博文本进行处理,从含有特定表情符号的微博句子中识别属于某类情感的情感词,并结合《同义词词林》,实现对已有多元情感本体库的扩充。综合考虑扩充的情感词典、Bi-gram特征、否定词特征、表情符号和特殊符号以及句子长度等特征,利用SVM实现对微博文本句子级情感的多元分类,并以2014年"袁隆平事件"为例,实现对该事件的多元情感分析。[结果/结论]实验结果表明,相对于未进行情感词典扩充的情感分类而言,基于情感词典扩充的多元情感分类方法在分类性能上提升了3.6%,取得了比较好的分类效果。

关键词：微博多元情感分类情感词典卡方检验

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结合word2vec与扩充情感词典的微博多元情感分类研究

引用

东北师大学报（自然科学版） 2019年第1期51卷 55-62页

作者：王名扬吴欢贾晓婷东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

对微博文本的多元情感分类问题进行了研究.针对现有的多元情感词典不能很好地覆盖微博文本中情感词的不足,结合特定的情感符号和基于卡方统计量的度量方法,实现对现有的多元情感词典的扩充;针对情感词典无法有效考察文本的上下文语境信... 详细信息

对微博文本的多元情感分类问题进行了研究.针对现有的多元情感词典不能很好地覆盖微博文本中情感词的不足,结合特定的情感符号和基于卡方统计量的度量方法,实现对现有的多元情感词典的扩充;针对情感词典无法有效考察文本的上下文语境信息的问题,引入word2vec模型实现情感词和其所在微博语句的向量化表达.在此基础上,利用KNN分类器实现微博句子级的多元情感分类.实验结果表明,扩充情感词典及引入word2vec模型均有助于提升微博文本多元情感分类的效果.

关键词：多元情感分类卡方统计量 word2vec KNN

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Attention与BiLSTM模型的多情感分类方法研究

基于Attention与BiLSTM模型的多情感分类方法研究

引用

作者：王婷伟南华大学

学位级别：硕士

以往的情感分类大多是基于粗粒度进行的,针对五分类进行的研究不多,且最终的情感分类结果只包含一种情感,很少对多情感共存现象进行研究,因此不能完全体现用户情感的丰富性。研究学者使用Attention机制对单语或双语文本的研究技术也取... 详细信息

以往的情感分类大多是基于粗粒度进行的,针对五分类进行的研究不多,且最终的情感分类结果只包含一种情感,很少对多情感共存现象进行研究,因此不能完全体现用户情感的丰富性。研究学者使用Attention机制对单语或双语文本的研究技术也取得了不错的成效,但鲜有针对语码转换文本(Code-Switching Text)的情感分类进行研究。针对这些不足,本文提出一种基于Attention与BiLSTM模型的多情感分类方法,通过BiLSTM模型构建五个情感分类器来获取文本上下文关系,分别是Happiness、Anger、Sadness、Fear、Surprise情感分类器,从而预测出单个帖子所属的所有情感。使用word2vec的Skip-gram方法将语码转换文本转化成词向量来作为多情感分类器的输入,并采用负采样方法提高词向量的质量、加快训练速度,针对不同词对文本的权重不同引入Attention机制来表示不同特征的重要性,增强上下文语义信息,并获取更深层次特征,最后通过Softmax进行回归,完成所有帖子所属的所有情感预测。通过对基于Attention与BiLSTM模型的实验结果进行分析,发现Surprise和Fear情感分类器的性能明显低于Happiness、Anger、Sadness情感分类器,分析原因为语码转换文本存在类别不平衡问题,由于数据量小的类别在训练模型时特征不明显,导致将数据量小的类别预测为数据量多的类别,降低了情感分类准确率。为了解决上述问题,本文提出一种改进的基于Attention与BiLSTM模型的多情感分类方法研究。使用新浪提供的API抓取微博中的语码转换文本数据,邀请20名自然语言处理领域的同学对抓取的数据类别进行标注,从中有目标的选取五种类别的数据,比如选取同一个帖子包含多种情感的数据,每个类别数据量统一为2000条,使得语码转换文本达到类别平衡从而对语码转换文本进行扩充。使用伪梯度下降法调整模型参数,对交叉熵损失函数进行优化,降低复杂度,使得模型的分类性能更稳定。实验证明,改进的基于Attention与BiLSTM模型的多情感分类方法研究与未改进的算法相比,缓解了少数类被错分成多数类的问题,Marco-F1值提高了11.4%,且每个情感分类器的F1值均有很大的提高,减小了Surprise、Fear情感分类器的F1值与其它三个情感分类器F1值的差距,因此改进的基于Attention与BiLSTM模型的多情感分类方法研究可以更为准确的判别文本的多种情感,取得了更好地分类效果,验证了模型的有效性。

关键词：多元情感分类 Attention与BiLSTM模型类别不平衡伪梯度下降法

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Word2Vec的情感词典自动构建与优化

引用

计算机科学 2017年第1期44卷 42-47,74页

作者：杨小平张中夏王良张永俊马奇凤吴佳楠张悦中国人民大学信息学院北京100872

情感词典的构建是文本挖掘领域中重要的基础性工作。近几年,情感词典的极性标注从二元褒贬标注向多元情绪标注发展,词典的领域特性也日趋明显。但是情感类别的手工标注不但费时费力,而且情感强度难以得到准确量化,同时对领域性的过分关... 详细信息

情感词典的构建是文本挖掘领域中重要的基础性工作。近几年,情感词典的极性标注从二元褒贬标注向多元情绪标注发展,词典的领域特性也日趋明显。但是情感类别的手工标注不但费时费力,而且情感强度难以得到准确量化,同时对领域性的过分关注也大大限制了情感词典的适用性[1]。通过神经网络语言模型对大规模中文语料进行统计训练,并在此基础上提出了基于转换约束集的多维情感词典自动构建方法;然后研究了基于词分布密度的感情色彩消歧方法,对兼具褒贬意味词语的感情极性进行区分和识别,并分别计算两种感情色彩下的情感类别与强度;最后提出基于多个语义资源的全局优化方案,得到包含10种情绪标注的多维汉语情感词典SentiRuc。实验证实该词典1)在类别标注检验、强度标注检验、情感消歧效果及情感分类任务中均具有良好的效果,其中的情感强度检验证实该词典具有极强的情感语义描述力。

关键词：情感分析多元情感分类神经网络语言模型情感消歧情感强度优化框架

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Hadoop的微博舆情分类的研究与实现

基于Hadoop的微博舆情分类的研究与实现

引用

作者：胡楚君北京邮电大学

学位级别：硕士

随着微博等新型社交媒体的不断发展,用户数量日益庞大,在微博等平台上每天都产生海量的新信息。通过微博大数据了解社情民意、关注舆情动向显得至关重要,这对于促进社会和谐稳定、掌握社会动态具有重要的现实意义。本文针对微博舆情信... 详细信息

随着微博等新型社交媒体的不断发展,用户数量日益庞大,在微博等平台上每天都产生海量的新信息。通过微博大数据了解社情民意、关注舆情动向显得至关重要,这对于促进社会和谐稳定、掌握社会动态具有重要的现实意义。本文针对微博舆情信息的挖掘和分析中存在的问题展开研究,运用数据挖掘技术对舆情事件进行分析,从而能够有效地进行微博重大舆情事件的识别以及情感的分类。本文主要的研究内容和创新点如下:1.针对目标舆情事件数据所占比例小所导致的数据集不平衡问题,在基于主题表示LDA(Latent Dirichlet Allocation)模型与支持向量机SVM(Support Vector Machine)结合的半监督分类模型的基础上,在输入数据方面,提出了利用多种抽样方法来减少数据不平衡给后续算法带来的负面影响。在算法方面,提出利用多个单独的支持向量机构造的组合系统来降低单一分类模型给文本分类造成的误差,提高了对目标舆情事件识别的性能,并通过利用爬取得到的微博数据验证了上述方法的优越性。另外,这半监督组合模型能够充分利用大量未标记样本来改善分类器的性能,一定程度上减少了人工标注的精力。2.提出了一种混合式情感分类算法。该混合算法结合了无监督聚类算法K-means和监督学习算法对微博舆情进行情感分类。在比较常用的监督学习算法如决策树、随机森林在情感分类中的应用的基础上,本文研究分析了各算法的优缺点及对微博文本的适用性。提出的混合算法在二元情感分类方面,准确性上比常用的情感分类算法有1%的性能提高,AUC值有0.1的提高。为了证明该混合算法具有较好的可扩展性,本文在二元情感分类的基础上还进行了舆情情感的细粒度分类,从实验结果可以看出,当聚类数的选择达到最优的情况下,混合算法在准确性上比传统的分类模型有2%的提高。3.设计并实现了适应微博短文本特性的舆情分析系统。针对微博短文本特征向量表示时呈现的稀疏性及碎片化的特点,设计了基于Hadoop的微博短文本舆情分析系统,能够准确识别重大舆情事件,并能针对某一舆情事件进行相关的情感分析。本文通过对微博舆情挖掘分析技术进行研究,能够通过微博数据进行舆情事件的识别和情感分类,具有理论和应用的双重价值。

关键词：微博舆情文本分类多元情感分类组合模型支持向量机

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

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

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：