检索结果-南通市图书馆

作者：张梦冉南京理工大学

学位级别：硕士

文本情绪分析是自然语言处理领域的一个重要研究方向,但是该任务仅关注情绪类别,属于比较浅层的情绪分析任务。而我们有时候更关心到底是什么原因导致了这些情感,由此衍生了更深层次的情绪分析任务:情绪原因抽取。然而,该任务存在一些问... 详细信息

文本情绪分析是自然语言处理领域的一个重要研究方向,但是该任务仅关注情绪类别,属于比较浅层的情绪分析任务。而我们有时候更关心到底是什么原因导致了这些情感,由此衍生了更深层次的情绪分析任务:情绪原因抽取。然而,该任务存在一些问题:首先在抽取原因前必须提供情绪标注,这限制了该任务在实际场景中的应用;其次先提供情绪标注后抽取原因的方法忽略了情绪和原因之间的相互作用。为了解决这些问题,去年一个新的任务被提出:情绪-原因对抽取。本文面向新闻文本,主要对两个任务展开了一系列的探索和研究:1.情绪原因抽取任务,旨在发现文档中某种特定情绪表达背后潜在的原因。之前的大多数工作将其视为独立的子句分类问题,忽略了文档中子句之间的联系。本文提出了一个基于RNN-Transformer的层次网络,对文档中的子句同时进行编码和分类,这是Transformer首次用于解决该任务,实验证明了学习子句之间相关性的重要性。此外,本文将相对位置和全局预测信息编码到Transformer框架中,用来捕捉子句之间的因果关系并获得了额外的性能提升。2.情绪-原因对抽取任务,在不提供情绪标注的情况下,直接抽取出文档中潜在的情绪以及其相应的原因。以前的工作采用两步走的框架来解决这一问题,但该方法不是一个端到端的模型,每一步都可能存在信息的丢失。本文将该任务定义为多标签分类问题,创建了一个一步走模型,以一种端到端的方法直接抽取情绪-原因对。此外,根据多标签定义的特点,本文设计了两个辅助任务,进一步提升了模型的性能。

关键词：情绪情绪原因循环神经网络 Transformer

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

听障儿童反思情绪理解研究

引用

中国听力语言康复科学杂志 2022年第6期20卷 438-441页

作者：李娜上海行健职业学院学前教育系上海200072

目的了解听障儿童反思情绪理解的发展特点,为情绪理解干预提供基础。方法通过自编的反思情绪理解问卷,考察159名听障儿童反思情绪理解的发展特点,包括混合情绪、道德情绪、情绪调节和情绪原因理解的发展状况。结果 (1)听障儿童反思情... 详细信息

目的了解听障儿童反思情绪理解的发展特点,为情绪理解干预提供基础。方法通过自编的反思情绪理解问卷,考察159名听障儿童反思情绪理解的发展特点,包括混合情绪、道德情绪、情绪调节和情绪原因理解的发展状况。结果 (1)听障儿童反思情绪理解水平显著低于健听儿童(P情绪理解水平差异显著(P情绪理解水平差异不显著(P>0.05),年级和性别的交互作用不显著(P>0.05);(3)父母的听力状况对听障儿童的反思情绪理解水平有显著影响。结论听障儿童反思情绪理解的4个成分和整体得分均显著低于健听儿童,反思情绪理解随年级的增长不断发展。

关键词：听障儿童反思情绪理解混合情绪道德情绪情绪调节情绪原因

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

面向社交媒体的情感计算

面向社交媒体的情感计算

引用

作者：何烩烩南京理工大学

学位级别：硕士

随着计算机和网络技术的不断深入发展,如今的互联网已经迈进了社交媒体时代。以微博为代表的新型网络媒体包含了大量关于新闻时事、政策法规、消费产品等话题的情感文本,反映了用户个体的观点、情感、态度与倾向性。关于情感本身以及情... 详细信息

随着计算机和网络技术的不断深入发展,如今的互联网已经迈进了社交媒体时代。以微博为代表的新型网络媒体包含了大量关于新闻时事、政策法规、消费产品等话题的情感文本,反映了用户个体的观点、情感、态度与倾向性。关于情感本身以及情感与其他认知过程间相互作用的研究引起了学者们的广泛关注,情感计算也成为一个新兴研究领域。情绪分析是情感计算的一项基本任务,旨在自动识别出文本中包含的情绪,例如喜好、惊讶、愤怒等。本文主要对社交媒体情绪分析任务中的多标记情绪分类以及情绪原因识别进行研究。本文前两章对目前该类问题的研究现状和基本技术进行了详细的介绍,然后针对现有研究的不足之处,在第三章和第四章中分别面向社交媒体的多标记情绪分类和情绪原因识别任务提出了解决方法:(1)面向社交媒体的多标记情绪分类任务,提出了联合二分类神经网络算法。在我们的算法中,经过神经网络得到的文本表示不再被送到一个softmax函数中,而是被送到一组逻辑回归函数中。因此,多个二分类任务可以在同一个神经网络中同步完成。此外,我们设计了一个联合二分类交叉熵损失函数,用于捕获不同标签之间的关系。考虑到多标记情绪分类任务的特点,我们进一步提出将先验的情绪信息融入到损失函数中。实验表明,我们提出的算法在分类性能上超过了现有的多标记情绪分类算法。(2)面向社交媒体的情绪原因识别任务,提出了融合相对位置信息以及全局标签信息的神经网络模型。我们引入了一个相对位置增强的词嵌入学习算法,并且将情绪原因识别任务由独立预测问题转换成重新排序预测问题。我们在神经网络的隐藏层拼接了动态全局标签信息,用于约束同一个句子中不同子句的预测。实验结果表明,我们提出的算法在标准数据集上取得了目前最好的结果。进一步的实验分析表明,我们的相对位置增强的词嵌入学习算法以及融合了动态全局标签信息的重新排序预测机制具有显著的有效性。

关键词：社交媒体情绪分类多标记学习情绪原因深度学习

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：