检索结果-南通市图书馆

小型微型计算机系统 2024年第5期45卷 1062-1068页

作者：邵党国胡永健昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500

针对传统两阶段管道方法忽略情感三元组元素之间的相互联系,以及存在误差传播等问题,提出一种结合多层注意力机制和图卷积网络的端到端方面情感三元组抽取模型AGGTS.首先,利用依赖关系树构造方面项、观点项与其他词之间的相对距离和依... 详细信息

针对传统两阶段管道方法忽略情感三元组元素之间的相互联系,以及存在误差传播等问题,提出一种结合多层注意力机制和图卷积网络的端到端方面情感三元组抽取模型AGGTS.首先,利用依赖关系树构造方面项、观点项与其他词之间的相对距离和依存关系;其次,图卷积网络通过依赖关系树构造的依存关系来建模句子的结构,捕获句子中词之间的语义信息和句法依赖关系,并且引入位置注意力机制和多头注意力机制,对每个方面项、观点项与其上下文词之间进行建模;最终从词对关系标签结果中抽取三元组.实验结果表明,本文方法在4个数据集上的评价指标均取得显著提升,验证了本文方法的有效性.

关键词：情感三元组端到端图卷积网络注意力机制

来源：

维普期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

结合多层注意力和GCN的方面情感三元组抽取

引用

小型微型计算机系统 2023年

作者：邵党国胡永健昆明理工大学云南省人工智能重点实验室昆明理工大学信息工程与自动化学院

针对传统两阶段管道方法忽略情感三元组元素之间的相互联系，以及存在误差传播等问题，提出一种结合多层注意力机制和图卷积网络的端到端方面情感三元组抽取模型AGGTS。首先，利用依赖关系树构造方面项、观点项与其他词之间的相对距离... 详细信息

针对传统两阶段管道方法忽略情感三元组元素之间的相互联系，以及存在误差传播等问题，提出一种结合多层注意力机制和图卷积网络的端到端方面情感三元组抽取模型AGGTS。首先，利用依赖关系树构造方面项、观点项与其他词之间的相对距离和依存关系；其次，图卷积网络通过依赖关系树构造的依存关系来建模句子的结构，捕获句子中词之间的语义信息和句法依赖关系，并且引入位置注意力机制和多头注意力机制，对每个方面项、观点项与其上下文词之间进行建模；最终从词对关系标签结果中抽取三元组。实验结果表明，本文方法在四个数据集上的评价指标均取得显著提升，验证了本文方法的有效性.

关键词：情感三元组端到端图卷积网络注意力机制

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

面向在线健康社区的生成式方面级情感分析

引用

现代情报 2024年

作者：韩普叶东宇南京邮电大学管理学院江苏省数据工程与知识服务重点实验室

[目的/意义]为解决在线健康社区文本中方面实体和评论实体难以对齐的问题，提出了一种基于端到端的生成式方面级情感分析模型BERT-WWM-GPT。[方法/过程]首先在模型训练阶段通过编码器抽取文本中包含丰富语义信息的特征向量；接着基于特... 详细信息

[目的/意义]为解决在线健康社区文本中方面实体和评论实体难以对齐的问题，提出了一种基于端到端的生成式方面级情感分析模型BERT-WWM-GPT。[方法/过程]首先在模型训练阶段通过编码器抽取文本中包含丰富语义信息的特征向量；接着基于特征向量和标准预测序列在解码器中迭代生成情感三元组，并通过最大似然估计训练模型参数；然后在模型推理阶段基于文本语义特征向量在解码器生成预测序列；最后利用规则得到有效的情感三元组表达。[结果/结论]在自建数据集和5份公共数据集进行验证，结果表明BERT-WWM-GPT模型在两个方面级情感分析任务中的F1值分别比基准模型GTS和MuG RoBERTa-large提升了12.25%和7.22%。BERT-WWM-GPT模型能够有效抽取在线健康社区评论中的多重情感三元组，且在其他领域具有优秀的泛化能力。

关键词：生成式模型方面级情感分析情感三元组在线健康社区

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

基于图卷积网络和语言特征融合的方面级情感分析研究

基于图卷积网络和语言特征融合的方面级情感分析研究

引用

作者：姜宝兴山东师范大学

学位级别：硕士

随着互联网和社交媒体的高速发展,公共社交平台积累了海量的包含用户观点和情感的评论数据,通过利用评论数据可以反映出舆论和热点的发展趋势。方面级情感分析是专为探究细粒度文本情感倾向而设计的,其旨在分析文本中特定于方面实体的... 详细信息

随着互联网和社交媒体的高速发展,公共社交平台积累了海量的包含用户观点和情感的评论数据,通过利用评论数据可以反映出舆论和热点的发展趋势。方面级情感分析是专为探究细粒度文本情感倾向而设计的,其旨在分析文本中特定于方面实体的具体情感倾向。现有的工作仍存在一些问题,过度依赖模型语义学习能力而忽略语言的独有属性,如句法、词性等脱离语义层面的语言特征信息,这导致该领域相关模型性能难以进一步提升。为了弥补语言特征信息利用的缺失,本文基于图卷积网络融合文本词性、句法、位置等拓扑性语言特征信息增强语义挖掘。本文的主要研究内容如下:(1)针对单一型方面级情感分析子任务,尤其是方面级情感分类,现有研究忽略方面实体内在语义整体性,导致编码过程中产生大量语义冗余。据此,本文提出了一种基于实体合并策略和位置感知变化的方面级情感分析模型。首先,使用特定标记对原有的方面实体进行合并替换,进一步获得合并后的句法依赖图。然后,将合并后的文本输入编码器,利用位置感知函数强化编码结果,增强模型对意见实体的关注。最后,将依赖关系图和处理后的编码输入图卷积网络进行训练,经过解码模块获得对应方面的情感倾向。(2)针对复合型方面级情感分析子任务,尤其是方面级情感三元组抽取,现有研究忽略语言表达的多角度性,导致方面实体与意见实体间特定领域关联信息缺失。据此,本文提出了一种基于双编码器增强语言特征的方面级情感分析模型。首先,该模型包括一个基于预训练模型的通用文本编码器和一个基于三域嵌入的多角度专用文本编码器。通用文本编码器捕捉语言表达的表面层语义,专用文本编码器提取包括句法和词汇信息在内的深层次语义信息。其次,通过融合文本依存树、词性信息和位置信息,旨在捕捉与句子底层意图更相关的语义信息。最后,利用特征交互模块融合学习的语义信息,实现多角度语义挖掘以获得更为准确的情感三元组。

关键词：方面级情感分析图卷积网络语言特征情感分类情感三元组

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

面向用户评论文本的方面词情感分析关键技术研究

面向用户评论文本的方面词情感分析关键技术研究

引用

作者：程文俊重庆科技学院

学位级别：硕士

随着互联网与电子商务的快速发展,互联网购物平台成为了人们生活中不可缺少的一部分,绝大多数消费者在购买商品后都会对其进行多角度、多方面的评价。快速、准确地从商品评论中提取出消费者对不同方面的情感表达,可以为消费者提供全面... 详细信息

随着互联网与电子商务的快速发展,互联网购物平台成为了人们生活中不可缺少的一部分,绝大多数消费者在购买商品后都会对其进行多角度、多方面的评价。快速、准确地从商品评论中提取出消费者对不同方面的情感表达,可以为消费者提供全面而科学的决策依据。针对这些商品评论文本,运用深度学习等相关技术,围绕方面词情感分析存在的相关问题开展相关研究,主要工作内容如下:(1)基于CSDMMN的方面词情感分类方法研究针对难以在评论文本中匹配到与方面词情感倾向相关联的局部上下文、无法存储大量上下文信息以及难以实现方面词与上下文之间的多次深度交互的问题,提出一种基于多层记忆网络与上下文句法依存关系的方面词情感分类模型(A Context Syntax Dependency Based on Multi-layer Memory Network,CSDMMN)。首先,根据方面词是否存在于输入文本中,划分全局上下文与局部上下文;然后,在局部上下文的基础上,构建上下文句法注意机制来提高距离方面词较远但影响较大词的权重,并与全局上下文向量表示拼接;接着,将拼接向量当作外部存储记忆体,方便方面词从中随时提取有用信息;最后,利用多层深度记忆网络模型捕捉方面词与存储记忆体间的深度交互关联信息。实验结果表明,本模型与其他基线模型相比分类效果均有显著提升,证明了该方法的有效性以及可行性。(2)基于MUBTM的方面词情感三元组抽取方法研究针对现有大多情感三元组抽取研究中难以打破三元组内部子元素间的信息传递、难以应对同一方面词关联多个观点词或者同一观点词匹配多个方面词的情况以及三元组边界容易识别错误的问题,提出了一种基于表格填充的多类别统一及边界标记模型(Multi-category Unification and Boundary Tagging Model based on table filling,MUBTM)。首先,将输入文本向量化,并利用双仿射注意力机制模型提取文本词对间的关联关系以及对应的双向信息;然后,以此为基础通过方面词或者观点词的所属类别以及情感倾向,来构建多类别统一标记空间;接着,利用多通道卷积神经网络构建的级联二进制边界约束和表格对称性结构化约束共同限制词对间的概率分布;最后,采用相对应的解码算法实现三元组的抽取。通过大量实验结果表明,本研究提出的模型在电商评论观点数据集上的抽取结果均优于其他基线模型,突显了该方法的有效性。(3)基于商品评论文本的方面词情感分析系统的构建为方便用户快速且直接的从评论文本中了解到商品真实属性信息,结合上述提出的方面词情感分类与方面词情感三元组抽取模型,设计了一种基于商品评论的方面词情感分析系统。首先,利用Selenium自动化爬虫工具获取评论信息;其次,利用数据预处理相关技术清洗评论文本;然后,利用句子级情感分析技术判断句子整体的情感倾向,并以此对所有的评论文本进行统计归纳,同时也将情感三元组抽取模型与方面词情感分类模型相结合来实现三元组内部情感极性的相互纠正;接着,将这些分析结果全部利用Jquery与Echarts框架进行可视化以直观展示给用户;最后,为方便用户查询信息设计搜索查询功能,首先利用命名实体识别技术识别出关键实体,然后采用余弦相似度将实体与评论文本作关联映射,从而筛选出关联文本,并利用相同的可视化技术对分析结果进行直观展示。

关键词：方面词情感分析句法注意机制表格填充多类别统一情感三元组双仿射注意力机制

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：