检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于深度学习的文本情绪分析研究

基于深度学习的文本情绪分析研究

作者：刘钏华中科技大学

学位级别：硕士

本文从自然语言处理的宏观角度介绍文本分析的相关技术步骤与理论基础的全面解析中探讨寻找出一种基于自注意力机制的双向双层长短期记忆算法,理论上可以有效学习文本情绪分析对于样本数据集和标签集向前、向后的时序处理依赖和对于样... 详细信息

本文从自然语言处理的宏观角度介绍文本分析的相关技术步骤与理论基础的全面解析中探讨寻找出一种基于自注意力机制的双向双层长短期记忆算法,理论上可以有效学习文本情绪分析对于样本数据集和标签集向前、向后的时序处理依赖和对于样本数据集内部的远程依赖。并使用Tensorflow的GPU版本对此算法在IMDB情绪分析数据集上的表现进行实验分析。本文先介绍了从非结构化文本到结构化文本的词向量化原理和流程,分析词嵌入的相关理论基础、技术基础,并介绍浅层分析算法的主要分类和原理。阐述了分类算法、回归算法和聚类算法的典型算法思想,基于浅层学习中的经典线性模式和线性回归模式原理及思想,阐述了多层神经网络的一般结构和处理层次以及误差逆向传播算法的详细过程。再基于此提出了自注意力机制的双向长短期记忆算法框架,然后从双向长短期记忆算法的演变和迭代步骤方面剖析长短期记忆算法对于文本情绪分析任务学习序列问题的有效性,从误差逆传播算法了解到双向长短期记忆算法在反向传播过程中存在的远程依赖问题,并提出自注意力模型可以帮助解决此问题从而回答了为何要针对文本分析任务提出此算法框架的原因。最后,本文基于此种算法框架使用Keras深度学习开源库和Tensorflow开源库进行实验平台的搭建,在给定其他因子不变的条件下,电影评论数据集IMDB上取得了比单纯的自注意力机制模型、单向长短期记忆、双向长短期记忆模型更为良好的效果。并延展了其他因子对此算法的性能影响。

关键词：双向长短期记忆算法自注意力机制文本情绪分析

基于对抗网络的文本情绪分析性别偏见消减方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电脑知识与技术 2023年第34期19卷 29-31页

作者：乌达巴拉张贯虹安徽职业技术学院安徽合肥230031 合肥学院安徽合肥230031

近年来,性别偏见引起自然语言处理领域研究者们的关注。已有研究工作证实,性别偏见不仅影响模型性能,且其传播将进一步对下游产品产生一定的危害。文章探究性别偏见对文本情绪分析的影响,提出基于对抗网络模型的性别偏见消减方法。实验... 详细信息

近年来,性别偏见引起自然语言处理领域研究者们的关注。已有研究工作证实,性别偏见不仅影响模型性能,且其传播将进一步对下游产品产生一定的危害。文章探究性别偏见对文本情绪分析的影响,提出基于对抗网络模型的性别偏见消减方法。实验结果表明,在文本数据集上,文章提出的对抗性训练方法相比其他减偏方法,使TPR-GAP下降约0.02~0.03,而性能只降低了0.8个点。

关键词：性别偏见文本情绪分析对抗网络

新闻事件驱动的海龟交易策略优化研究:文本情绪方法

在线全文

学校读者我要写书评

暂无评论

全国流通经济 2021年第19期 153-156页

作者：黄亮点高梓耕张行健蔡凯莉罗小可李岩中国矿业大学(北京) 北京100083

近年来,我国期货市场不断发展,程序化交易越来越受到投资者的青睐。而如何构建一套有效的交易策略也成为被广泛关注的议题。本研究深度挖掘了财经新闻与期货市场的相关性,通过引入基于新闻文本情绪分析的决策支持系统,将其与传统交易策... 详细信息

近年来,我国期货市场不断发展,程序化交易越来越受到投资者的青睐。而如何构建一套有效的交易策略也成为被广泛关注的议题。本研究深度挖掘了财经新闻与期货市场的相关性,通过引入基于新闻文本情绪分析的决策支持系统,将其与传统交易策略相结合,形成了事件驱动程序化交易策略。具体而言,通过文本情绪分析的方法提取新闻文本的语义,结合文本挖掘和机器学习技术,建立了新闻情绪值与价格趋势之间的Logistic回归模型。该系统能够对期货市场未来走势进行预测,预测结果可用于辅助传统交易策略的决策。继而,将该系统嵌入到成熟的程序化交易算法中,提出了一个更完善、高效的交易策略。实验选取了八个月的新闻数据与期货市场数据进行分析。结果显示,本文提出的系统性能优良,在提高传统交易策略胜率、提升最终收益率方面都取得了很好的效果。

关键词：文本情绪分析文本挖掘 Logistic回归海龟交易策略程序化交易

上市企业环保信息披露与股票投资者社会环境偏好

在线全文

学校读者我要写书评

暂无评论

中国人口·资源与环境 2017年第4期27卷 136-143页

作者：崔恺媛山东大学经济研究院山东济南250100

本文分析了2008—2014年A股市场对强制披露的企业社会责任报告中环保信息的反应,展示了我国股票投资者社会环境偏好的变化过程。虽然近年来我国人均收入已经处于环境库兹涅茨曲线的排放拐点附近,但是目前鲜有国内研究对公众的社会环境... 详细信息

本文分析了2008—2014年A股市场对强制披露的企业社会责任报告中环保信息的反应,展示了我国股票投资者社会环境偏好的变化过程。虽然近年来我国人均收入已经处于环境库兹涅茨曲线的排放拐点附近,但是目前鲜有国内研究对公众的社会环境偏好变化过程进行分析。本文分三个部分对股票市场投资者的社会环境偏好进行检验:首先,利用事件分析法展示了7年间股票投资者的整体态度,发现由环保信息披露引起的累积超额回报率显著大于零,说明投资者平均持积极态度。其次,使用倾向得分匹配双重差分法检验环境监管政策加强带来的影响,一方面《大气污染防治行动计划》的实施使得投资者态度从负面向正面转变,说明投资者环境偏好受政策影响显著;另一方面《大气污染防治行动计划》的实施显著提高了国有企业环保行为的水平。最后,通过对政策效应的形成机制进行检验发现,我国上市公司的环保行为在投资者眼中并不只是为了完成社会责任信息披露的政策指令而实施,而是股票投资者已经形成社会环境偏好,使得企业具有构建"绿色企业形象"的需求。另外,由于本文的研究对象是强制披露的企业社会责任报告,所以有效规避了西方相关研究中自愿披露导致的自我选择问题,但同时西方学者普遍对我国强制披露的企业社会责任报告所包含的信息持怀疑态度,因此本文通过利用情绪分析程序对环保信息的信息有效性进行检验,结果显示文本情绪的强弱与股票价格波动幅度有正相关关系,说明企业环保信息是投资者决策信息集的一部分,即强制披露的企业社会责任报告包含有效信息。

关键词：社会环境偏好环保信息披露企业利益相关者文本情绪分析

央行货币政策报告文本信息、宏观经济与股票市场

在线全文

学校读者我要写书评

暂无评论

金融研究 2021年第6期 95-113页

作者：姜富伟胡逸驰黄楠中央财经大学金融学院北京100089 北京大学经济学院北京100871 嘉实基金管理有限公司北京100005

本文利用金融情感词典和文本分析技术,分析中国人民银行货币政策执行报告的文本情绪、文本相似度和文本可读性等多维文本信息,刻画央行货币政策执行报告的文本特征,探究货币政策报告的文本信息与宏观经济和股票市场的关系。实证研究发现... 详细信息

本文利用金融情感词典和文本分析技术,分析中国人民银行货币政策执行报告的文本情绪、文本相似度和文本可读性等多维文本信息,刻画央行货币政策执行报告的文本特征,探究货币政策报告的文本信息与宏观经济和股票市场的关系。实证研究发现,货币政策报告的文本情绪的改善会引起显著为正的股票市场价格反应,报告文本相似度的增加会引起股票市场波动性的显著降低,报告可读性对公布后股票市场的波动性影响不显著。货币政策报告文本情绪还与诸多宏观经济指标显著相关。进一步研究发现,引起股票市场显著反应的是报告文本情绪中反映货币政策指引的部分,而反映宏观经济历史状态的部分对股票市场的影响不显著。本文从文本大数据分析角度证明了我国央行沟通的有效性,对国内央行沟通相关研究形成了有益补充。

关键词：文本情绪分析中央银行沟通股票市场宏观经济

基于情感词和多任务卷积神经网络的文本情感分布学习

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2023年第4期37卷 126-136页

作者：江晨琳曾雪强郭小奉东雨畅左家莉王明文江西师范大学计算机信息工程学院江西南昌330022

不同于传统的情感分析范式,情感分布学习采用与示例关联的情感分布对多种情绪进行定量建模,可以较好地处理具有情绪模糊性的情感分析任务。针对现有情感分布学习方法缺乏考虑文本分析任务特有的情感词语言学先验知识的问题,该文提出一... 详细信息

不同于传统的情感分析范式,情感分布学习采用与示例关联的情感分布对多种情绪进行定量建模,可以较好地处理具有情绪模糊性的情感分析任务。针对现有情感分布学习方法缺乏考虑文本分析任务特有的情感词语言学先验知识的问题,该文提出一种基于情感词和多任务卷积神经网络(Lexicon enhanced Multi-Task Convolutional Neural Network,LMT-CNN)的文本情感分布学习模型,用于预测文本的情感分布和情绪标签。LMT-CNN模型的网络结构由文本语义信息模块、情感词的情感知识模块和多任务预测模块组成,采用端到端方式进行模型训练和预测。在7个常用的文本情感数据集上的对比实验结果表明,LMT-CNN模型具有比已有的情感分布学习方法更优的情感分布预测和情绪分类性能。

关键词：情感分布学习文本情绪分析情感词多任务卷积神经网络

在线全文

学校读者我要写书评

暂无评论

面向楹联文本的知识挖掘研究

面向楹联文本的知识挖掘研究

作者：李轲禹南京大学

学位级别：硕士

楹联是中国传统文化的瑰宝,研究楹联对促进传统文化的传播与发展有着重大的价值,而随着信息技术迅速发展,将计算机技术应用于传统文化领域也成为了研究热点。由于以往关于楹联文本的研究多从鉴赏、基础理论等角度出发,而立足于大量楹联... 详细信息

楹联是中国传统文化的瑰宝,研究楹联对促进传统文化的传播与发展有着重大的价值,而随着信息技术迅速发展,将计算机技术应用于传统文化领域也成为了研究热点。由于以往关于楹联文本的研究多从鉴赏、基础理论等角度出发,而立足于大量楹联文本,采用计算机技术挖掘楹联文本中蕴含的知识的研究较少,计算机技术的介入,可以克服楹联文本研究需要深厚的文学底蕴和专业知识的局限性,降低研究门槛,促进楹联文化在当代的研究与传播。在此背景下,本文基于从网站上收集和爬取的789858条楹联(41208条具有标签关键词),提出楹联文本知识挖掘研究模型(CTKDDRM),主要由3个研究深度由浅至深、研究难度由低至高的模块组成:(1)从字词角度考虑的楹联文本情绪分析;(2)从字词组合的语义表达,即文本内容表达主题角度考虑的楹联主题自动分类研究;(3)既考虑上下联字词对仗、内容相连,还考虑句法、格式、韵律等问题的楹联自动生成研究。在楹联文本情绪分析中,本文主要采用基于扩展情绪词典技术的分析方法,为更全更准确的构建楹联领域情绪词典,提出了动态扩充循环标注分类法(DECTC)对语料候选情绪词进行标注,最终得到包含13603个词的楹联领域情绪词典,然后基于该词典,从楹联全联情绪倾向,和楹联上下联情绪转折两个角度,对楹联进行粗粒度和细粒度的情绪分析,发现楹联表达的情绪是复杂的,虽然大部分楹联表达正向情感,但表达哀伤、憎恶情绪的数量也较多,此外在上下联情绪转折中,多为上联表达负向情感,下联表达正向情感,正如常言的“欲扬先抑”。在楹联主题自动分类研究中,基于标签关键词聚类得到的分类体系,本文选取了5种主题联类进行自动分类研究,首先针对实际情况中联类数量不平衡的问题,设置了不/欠/过采样3种数据处理方式,得到3组数据集,其中过采样采用本文提出的基于EDA修改的EDA-Word2vec文本增强方法,然后构建由3层结构组成的分类改进模型:文本表示层(BERT、ERNIE、BERT-wwm、Ro BERTa)、特征表示层(FC、GRU、CNN)和分类输出层(Softmax),最终构建了12种分类模型,并以Char2vec作为文本表示的Text CNN作为Baseline模型,在3组数据集上进行实验,比较分析总体准确率和各联类详细分类评价指标可得,基于经过采样处理后的数据集实验可以缩小数据量大与数据量小的联类分类效果之间的鸿沟,采用ERNIE-CNN模型在经过EDA-Word2vec方法过采样后的楹联数据集上,可以得到最佳的分类效果,为95.75%。在楹联自动生成研究中,为了更智能的生成楹联,本文采用深度学习方法实现楹联自动生成,提出Char2vec-Seq2Seq＿Attention、Char2vec-Transformer、BERT-Transformer模型,Char2vec-Transformer在BLEU、ROUGE-1、ROUGE-2、ROUGE-L评价指标上取得相对较佳的结果。通过分析模型自动生成楹联示例,发现模型生成的下联能够满足与上联字数相同、语意节奏一致等基本要求,且对仗较为工整。综上,本文采用计算机技术对楹联文本中蕴含的知识进行了研究,探索计算机技术与传统文化的结合方式,减少人工在相关问题研究中的介入,降低时间和人力成本,并为类似研究提供新的视角。

关键词：楹联传统文化知识挖掘文本情绪分析主题分类楹联自动生成

基于MOOC平台课程评价的学习者情绪倾向分析研究

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MOOC平台课程评价的学习者情绪倾向分析研究

作者：孙诗淇辽宁师范大学

学位级别：硕士

近年来随着“互联网+”在教育领域中的不断融合,在线学习方式得到了迅猛的发展。MOOC因其共享性和免费性,一经上线就饱受各类学习者的追捧。然而MOOC缺乏传统教学的实时性和互动性,无法及时关注学习者的情绪状态,易忽视学习者产生的消... 详细信息

近年来随着“互联网+”在教育领域中的不断融合,在线学习方式得到了迅猛的发展。MOOC因其共享性和免费性,一经上线就饱受各类学习者的追捧。然而MOOC缺乏传统教学的实时性和互动性,无法及时关注学习者的情绪状态,易忽视学习者产生的消极情绪,进而影响教学效果。课程评价作为MOOC中重要组成部分之一,也是学习者对已完成或正在进行课程的学习反馈的重要途径,其中包含了许多学习者非结构化的内隐性数据,而这些数据又蕴含着学习者情绪、认知等不易察觉、深层次的信息,对这些数据进行合理运用将会探明学习者出现消极情绪状态的原因,以提升学习者在MOOC中的学习体验。基于此,本研究首先在梳理国内外MOOC课程评价体系、MOOC课程评价对优化课程建设、MOOC课程评价对学习行为影响以及基于文本数据的情绪分析相关文献研究的基础上,以布鲁姆的认知分类理论、活动理论、建构主义学习理论为本研究的理论基础。选取“中国大学MOOC”平台中十一门课程的课程评价作为研究对象,利用网络爬虫技术爬取这十一门课程的课程评价文本数据,并对其进行预处理工作,保留其中与学习者情绪相关的数据,作为本研究的实验数据集。其次通过收集Git Hub、CSDN等网站中公开的开源情绪文本数据构建出情绪语料库,将情绪语料库中的情绪数据进行文本词向量表示,使用LSTM神经网络构建了基于深度学习的情绪倾向分类模型,并使用构建的情绪倾向分类模型对实验数据集进行情绪倾向分析,其结果如下:将课程按学科属性进行分类,自然科学类和社会科学类两大类课程中,大部分学习者处于积极情绪状态,说明大部分学习者在现有的课程中处于积极情绪状态完成课程学习。从情绪倾向状态与课程开设次数关系中发现,经过八次课程开设,学习者呈现出较强的积极情绪状态;情绪倾向与评论点赞数关系中发现学习者在赞点数较多的课程评价中,社会科学类课程积极情绪的占比较高,自然科学类课程积极情绪的占比则表现稍差。最后根据学习者的情绪倾向结果和课程评价指标,从教学队伍、教学资源、教学设计和教学平台四个方面提出合理的发展策略,以期为教师和管理团队提供重要的优化课程措施,为MOOC的建设和发展提供有价值的对策。

关键词：慕课文本数据课程评价文本情绪分析

基于微博数据的深圳市公众情绪与建成环境相关性研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于微博数据的深圳市公众情绪与建成环境相关性研究

作者：杨舒然哈尔滨工业大学

学位级别：硕士

在我国城市的快速发展中,已经从蔓延式发展转变为以建成区内部更新为主,并更加注重城市生活品质。我国提出的“幸福城市”建设,更加需要关注人的感知与体验。在现有的研究中,多关注建成环境与行为活动与生理健康,鲜有关注公众情绪与心... 详细信息

在我国城市的快速发展中,已经从蔓延式发展转变为以建成区内部更新为主,并更加注重城市生活品质。我国提出的“幸福城市”建设,更加需要关注人的感知与体验。在现有的研究中,多关注建成环境与行为活动与生理健康,鲜有关注公众情绪与心理健康的,而不断成熟的移动网络与大数据分析技术,为获取公众主观情绪与态度数据提供了有力支撑,使研究情绪地图成为可能。研究考虑到情绪多分类问题以及最终准确率,确定利用机器学习等技术手段对深圳市的微博文本数据进行情绪分析。为全面地描述情绪的特征,将情绪分为强度、极性和动机三个维度以及六种情绪类型,分别为高兴、喜欢、期待、伤心、厌恶和愤怒,利用Arc GIS绘制出深圳市不同维度与类型的情绪地图,在此基础上,描述公众情绪的时空分布特征。分析得出节假日里公众情绪的强度、极性和动机均高于工作日,并且高强度和积极情绪都大规模集聚在中心城区,低强度和消极情绪主要集中在外围城区的工业园区内,光明区的情绪动机最大。结合现有相关研究以及情绪分布现状,从土地利用、空间形态、道路交通、绿地与开放空间、日常生活服务设施五个方面中选取了16个建成环境要素,同时将三个不同情绪维度下情绪所在区域的建成环境特征进行分析。通过SPSS将建成环境要素数据分别与情绪的不同维度与类型进行相关性分析。研究得出情绪极性与大部分建成环境要素均显著相关,情绪强度与工业用地呈负相关且相关性最大,情绪极性与距最近地铁站点距离呈正相关且相关性最大,情绪动机与建筑密度呈负相关且相关性最大。情绪类型中“喜欢”与“伤心”两种类型与建成环境的关系较密切,与大部分建成环境要素显著相关。基于公众情绪与建成环境之间的相关关系,在宏观层面上提出对规划的反思与建议。

关键词：公众情绪文本情绪分析建成环境