检索结果-南通市图书馆

基于注意力的BiLSTM-CNN中文微博立场检测模型

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

计算机应用与软件 2018年第3期35卷 266-274页

作者：白静李霏姬东鸿武汉大学计算机学院湖北武汉430072

针对海量社交网络数据,挖掘其中蕴含的立场信息逐渐成为一个重要的研究方向。第五届自然语言处理与中文计算会议(Nlpcc2016)提出了针对中文微博的立场检测任务。已有的立场检测任务工作中,研究者主要通过手工构建特征工程,添加情感词典... 详细信息

针对海量社交网络数据,挖掘其中蕴含的立场信息逐渐成为一个重要的研究方向。第五届自然语言处理与中文计算会议(Nlpcc2016)提出了针对中文微博的立场检测任务。已有的立场检测任务工作中,研究者主要通过手工构建特征工程,添加情感词典和专家知识等方式挖掘语义特征,但这种方式需要花费大量人力在特征设计上。另一些研究者将深度学习应用于立场检测领域,但是没有考虑到句子中不同词对立场倾向有不同影响力。注意力机制由于能够凸显出有价值的特征常常被用于优化神经网络模型。提出一种基于注意力的Bi LSTMCNN中文微博立场检测方法,首先使用双向(Bi-directional)长短期记忆神经网络(LSTM)和卷积神经网络(CNN)分别获取文本表示向量和局部卷积特征,然后通过注意力机制(Attention Mechanisms)在局部卷积特征中加入影响力权重信息,最终将两种特征融合进行分类。针对Nlpcc语料的实验表明,该方法取得了较好的立场检测效果,注意力机制的添加可以有效地提升立场检测的准确性。

关键词：立场检测微博神经网络注意力机制

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

基于多文本特征融合的中文微博的立场检测

计算机工程与应用 2017年第21期53卷 77-84页

作者：奠雨洁金琴吴慧敏中国人民大学信息学院北京100872

微博立场检测是判断微博作者对某一个话题的态度是支持、反对或中立。在基于监督学习的分类框架上,扩展并提出基于多文本特征融合的中文微博的立场检测方法。首先探究了基于词频统计的特征(词袋特征(Bag-ofWords,Bo W)、基于同义词典的... 详细信息

微博立场检测是判断微博作者对某一个话题的态度是支持、反对或中立。在基于监督学习的分类框架上,扩展并提出基于多文本特征融合的中文微博的立场检测方法。首先探究了基于词频统计的特征(词袋特征(Bag-ofWords,Bo W)、基于同义词典的词袋特征、考虑词与立场标签共现关系的特征)和文本深度特征(词向量、字向量)。之后使用支持向量机,随机森林和梯度提升决策树对上述特征进行立场分类。最后,结合所有特征分类器进行后期融合。实验表明,文中提出的特征对于不同话题下的微博立场检测的结果都有提升,且文本深度特征和基于词频统计的特征能够捕捉到文本的不同信息,在立场检测中是互补的。基于本文方法的微博立场检测系统在2016年自然语言处理与中文计算会议(NLPCC2016)的中文微博立场检测评测任务中取得了最好的结果。

关键词：立场检测情感分析文本特征表示微博文本分类

基于领域泛化和信息增强的未知目标立场检测方法研究

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

基于领域泛化和信息增强的未知目标立场检测方法研究

作者：王震黑龙江大学

学位级别：硕士

在过去几年里,尽管立场检测研究取得了很大的进展,但是现有的立场检测工作大多只关注训练集和测试集分布一致的情况,却忽略了社交平台话题的特点,即较快的更新速度。处理新兴的陌生话题领域也因此变得极为重要。为此,本文使用了深度神... 详细信息

在过去几年里,尽管立场检测研究取得了很大的进展,但是现有的立场检测工作大多只关注训练集和测试集分布一致的情况,却忽略了社交平台话题的特点,即较快的更新速度。处理新兴的陌生话题领域也因此变得极为重要。为此,本文使用了深度神经网络作为基础模型来探索立场检测任务处理未知话题的方法。具体地,本文将从以下三个方面展开探索:（1）基于领域泛化的未知目标立场检测方法:本文将未知目标立场检测任务看作分类任务,首先使用了两个Bi-LSTM分别对话题和评论进行特征提取,并且使用了条件编码方式来将话题中的信息融合进文本的向量表示,最后,引入领域泛化方法中的对抗神经网络,以使模型能够捕获更加通识的信息特征表示。分析实验结果表明,将话题看作领域并且引入领域泛化方法有利于提升模型在未知话题下的检测性能。（2）基于数据增强的未知目标立场检测方法:在上文引入领域泛化方法的基础上,本文尝试使用回译的方法来对训练数据进行增强,首先将本文所用到的英文数据训练集使用现有的API翻译成其他语言,比如中文,接着再翻译回英文。为了使增强后的数据依然保持之前的标签特征,本文引入了CBERT模型,使用随机遮挡词汇并重新生成的方式来实现文本增强。实验结果表明文本数据增强对于本文的任务有着提升效果。（3）基于外部知识的未知目标立场检测方法:为了能让系统利用到一些词汇之间比较隐晦的联系,本文在上文的基础上,尝试使用预训练模型方式和对话题添加解释性信息来丰富信息表示,进一步达到引入外部知识的目的。实验数据表明,通过使用预训练模型产生的词向量包含了先验知识并且可以提升模型的检测性能。

关键词：立场检测领域泛化数据增强外部知识

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于立场检测的群体决策预测研究

基于立场检测的群体决策预测研究

作者：彭愈翔电子科技大学

学位级别：硕士

现如今,越来越多的人们开始在网络社交媒体上分享他们的观点。从这些数据中获取到用户的立场,并基于立场预测未来的群体决策,是政府了解民情,公司改进产品的有力途径。目前学术界已经提出了多种解决方案,但仍存在以下局限:1)立场检测问... 详细信息

现如今,越来越多的人们开始在网络社交媒体上分享他们的观点。从这些数据中获取到用户的立场,并基于立场预测未来的群体决策,是政府了解民情,公司改进产品的有力途径。目前学术界已经提出了多种解决方案,但仍存在以下局限:1)立场检测问题:现有的模型仅考虑了文本维度信息,没有引入用户特征;2)群体决策预测问题:现有的模型仅考虑了观点交互的影响,而没有考虑环境对个体的影响。本文主要针对上述问题进行研究,一方面引入了用户特征并设计一种跨模态算法结合用户与文本特征来实现立场检测;另一方面结合立场检测模型、注意力机制和循环神经网络来对用户观点演化的环境影响进行建模,预测每一个用户的观点并通过一种观点整合算法对所有用户观点进行累加,得到群体决策的预测。具体来说,本文的主要研究内容如下:首先,本文提出了一种结合用户与文本表示学习的立场检测算法。算法通过预训练BERT模型将文本数据转换为低维向量,并设计了一个多层神经网络模型用以捕获用户、文本向量和立场之间的非线性映射关系。模型首先通过GCN将用户的社交关系嵌入到一个低维向量表示;然后设计了一种多模态融合算法,将得到的用户向量和文本向量进行融合,得到一个文本信息与用户信息充分融合的联合向量表示;最后基于联合向量表示得到用户立场。结果表明上述算法在立场检测任务上的准确率,要优于其他方法,证明了用户特征的加入可以提高立场检测任务表现。其次,本文提出了一种基于立场检测的群体决策预测算法。算法通过立场检测模型得到文本的立场向量表示,并设计了一个多层神经网络模型用以捕获环境影响下用户观点变化的转移关系。首先通过注意力机制,捕获上文背景对用户立场形成时的影响,然后基于循环神经网络对用户文本序列建模,捕获用户自身立场变化的转移关系,最后基于转移关系对用户下一时刻的立场进行预测。算法还设计了一个观点整合模块,用以将上述多层神经网络模型预测的每一个用户观点进行整合,实现群体决策的预测。实验结果表明上述算法在群体决策任务上的准确率与稳定性要优于其他方法,证明了本文方法的可行性。总体来说,本文所设计的模型对立场检测任务和群体决策任务都提出了不同程度的改进,并通过真实数据集上的实验证明,本文的算法在各自任务的表现上都有较好的提升。

关键词：立场检测自然语言处理表示学习注意力机制观点动力学

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向社交网络文本的立场检测研究

面向社交网络文本的立场检测研究

作者：陈晨光国防科技大学

学位级别：硕士

随着移动网络的普及,消息的传递变得十分迅速,人们也越来越能够即时地对消息进行反馈、讨论或评价。人们在表达观点的同时,通常带有自身的立场信息。及时而有效地识别出人们的立场倾向性,在政治、社会或是商业领域都有着重要的作用。在... 详细信息

随着移动网络的普及,消息的传递变得十分迅速,人们也越来越能够即时地对消息进行反馈、讨论或评价。人们在表达观点的同时,通常带有自身的立场信息。及时而有效地识别出人们的立场倾向性,在政治、社会或是商业领域都有着重要的作用。在司法公开领域,立场的检测更是能有效促进司法的进步,减少类似“彭宇案”带来的不良影响,促进法治社会的建设。立场检测致力于分析文本表达出的对于给定目标支持与否的态度,本质上属于文本分类问题。目前的立场检测研究主要集中在单个目标的立场检测上,即为每一个立场目标单独训练一个模型,而没有考虑立场目标之间的相关性,但每个目标和每个文本的立场分类结果却可能会影响其他目标的分类。本文提出了一种多目标立场检测模型,模型结合了立场目标的背景知识,使用情感辅助任务进行多任务学习。模型主要通过构建基于注意力机制的Bi LSTM网络对文本序列进行向量表示,使用多核卷积对文本的局部特征进行提取,最后利用组合后的特征,使用多任务学习机制对多个不同目标进行立场检测。本文在公开英文数据集上验证了模型的有效性,在课题的中文司法数据集上也取得了较好的结果,同时也通过实例分析验证了背景知识的有效性。通过对实验结果的分析发现,背景词语本身可能就包含有对立场目标的立场信息,在将来研究中可以考虑对背景知识加以更细致的分类从而实现对立场检测模型进一步的改进。目前立场检测任务中的一个难点在于标注数据的获取。如今最常使用的数据标签获取方法是人工标注,但人工标注的高成本和低效率的特性使其很难在大量社交网络数据中实际应用。本文使用掩码语言模型,结合预训练语言模型的语义表示能力,进行了少量样本的立场检测,在中文公开数据集上取得了不错的结果,为“伪标签”数据的获取提供了思路,也为立场检测在实际舆情系统中的应用提供了可能。

关键词：立场检测社交网络多任务学习掩码语言模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向社交媒体文本的少样本立场检测方法研究

面向社交媒体文本的少样本立场检测方法研究

作者：傅勇昊哈尔滨工业大学

学位级别：硕士

社交媒体在人们的生活中扮演着不可或缺的角色,大量的用户在社交媒体中对各种话题发表自己的观点,表达自己的立场。社交媒体文本中蕴含的立场态度信息能够辅助政策制订,帮助了解用户偏好,具有重要的科学研究价值和应用前景。现有方法在... 详细信息

社交媒体在人们的生活中扮演着不可或缺的角色,大量的用户在社交媒体中对各种话题发表自己的观点,表达自己的立场。社交媒体文本中蕴含的立场态度信息能够辅助政策制订,帮助了解用户偏好,具有重要的科学研究价值和应用前景。现有方法在具备充足标注数据的立场检测任务上已经取得较好的性能。但在实际场景中,社交媒体上不断涌现出海量新话题,对所有新话题进行立场标签标注用于训练是不切实际的。针对这一问题,本文研究少样本场景下社交媒体文本的立场检测方法。主要研究内容包括:本文首先研究将源目标立场检测模型向无标注相似目标进行迁移的跨目标立场检测方法。现有的跨目标立场检测方法往往直接将源目标和目的目标之间共享的特征进行迁移,但缺乏对目的目标立场表达上下文的识别和利用。为此,本文提出了一种目标自适应立场检测方法,使用目标自适应图表示捕捉目的目标立场表达的关键信息。该方法从词的目标相关和目标无关的语用依存关系出发,针对目标构建自适应依存图,进而使用交互图卷积神经网络模块对目标自适应依存图进行卷积获得目标自适应图表示。最后利用目标自适应图表示和交互注意力机制从句子中识别关键的立场表达。和基线方法相比,该方法在S16数据集的多个跨目标立场检测任务上,Macro-F1和F1(62))指标平均提升分别为6.4%和8.1%。在数据量较大的W数据集上,Macro-F1和精确率的提升分别为8.4%和5.9%。本文进一步研究了利用多个源目标数据预测无标注目标的少样本立场检测方法。与跨目标立场检测方法仅使用单一相似目标数据相比,少样本立场检测方法对源目标的相似程度和数量不进行限制,是一种更通用、更具应用潜力的方法。为了从多个源目标数据中学习通用的立场特征,本文提出了目标关注的元学习方法。该方法引入外部知识产生目标对比句,并采用目标关注编码器获得目标对比句中目标特有的立场表示。最后利用目标关注的归纳网络,依据立场表示进行立场分类。在S数据集和W数据集上,该方法的分类准确率比对比模型分别提升了1.12%和0.64%。

关键词：立场检测少样本学习元学习图卷积神经网络

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HCDAM的中文微博立场检测研究

基于HCDAM的中文微博立场检测研究

作者：赵圆丽中北大学

学位级别：硕士

数亿用户在微博平台上对网络上热点事件发表的观点立场(态度)蕴含了丰富的信息,常被用作商业指导、政府决策或智能推荐等。因此,从众多微博文本中挖掘用户针对目标话题的立场检测研究受到了国内外研究学者的广泛关注。但是微博文本短小... 详细信息

数亿用户在微博平台上对网络上热点事件发表的观点立场(态度)蕴含了丰富的信息,常被用作商业指导、政府决策或智能推荐等。因此,从众多微博文本中挖掘用户针对目标话题的立场检测研究受到了国内外研究学者的广泛关注。但是微博文本短小稀疏的特性以及目标短语在文本中隐式出现的情况,都给立场检测的结果造成巨大的影响。本文针对中文微博的立场检测进行研究,创新性地提出了一种基于Bert-HCDAM(Heteronuclear Convolution Double Attention Mechanism)的立场检测模型,并结合最优字个数维度算法,通过实验证明该方法能够有效提高立场检测的准确率。本文的主要工作有以下几个方面:(1)针对短文本数据稀疏导致信息不全面的问题,提出了一种在预处理阶段设置最优字个数维度(Optimal Number of Words Dimension,ONWD)的算法。通过预处理阶段对目标话题和微博文本分别进行字个数维度分布分析,找到目标话题和微博文本的最优字个数维度。通过在Bert预训练模型上的验证集准确率、训练时间、测试集准确率的实验评估,结果表明最优字个数维度算法不仅能够有效提高立场检测的准确率,而且能够相对降低训练时长。(2)针对目标短语和微博文本立场信息抽取能力弱的问题,提出一种异核卷积双注意(HCDAM)策略。首先通过不同卷积核的卷积操作抽取到包含不同语义信息的话题和文本的卷积特征后,之后经过话题卷积特征和文本卷积特征的注意力计算抽取出隐式的目标短语特征信息,最后利用文本卷积特征和隐式目标短语特征的注意力池化来抽取包含显隐式特征的立场信息。通过分别和CNN、H＿CNN和CNN＿DATT模型进行对比实验,结果表明该策略能够显著增强目标话题和微博文本的立场特征信息抽取能力。(3)针对立场检测任务中,目标短语在文本中隐式存在导致分类效果差的问题,提出了结合最优字个数维度算法的Bert-HCDAM的立场检测模型。实验结果表明,该模型不仅能够提高立场检测的准确率,而且分类效果更贴近于实际。

关键词：中文微博立场检测数据预处理卷积神经网络注意力机制

基于Condition-CNN模型的立场检测研究

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Condition-CNN模型的立场检测研究

作者：王安君上海师范大学

学位级别：硕士

随着互联网技术的飞速发展和新媒体的广泛使用,社交媒体平台的内容也越来越多元丰富。微博作为最常见的一种社交媒体平台,用户可以在此平台上作为主持人发布针对某一社会现象的话题,其他用户通过添加“#”的方法就可以针对该话题发表观... 详细信息

随着互联网技术的飞速发展和新媒体的广泛使用,社交媒体平台的内容也越来越多元丰富。微博作为最常见的一种社交媒体平台,用户可以在此平台上作为主持人发布针对某一社会现象的话题,其他用户通过添加“#”的方法就可以针对该话题发表观点和看法。当需要分析互联网用户针对某一话题的立场时,可以通过话题来搜索相关海量文本构建数据集。因此如何从大量的微博文本中挖掘用户针对目标话题的立场倾向就成为了一项重要的研究课题。在目前现有的立场检测研究中,往往把重点放在对微博文本的分析上,而忽略了话题对立场检测的影响。在一些改进的研究中,常见的方法是将话题和微博文本进行结合。结合的方法主要是将两个文本序列进行简单的拼接,或使用Attention计算将话题信息以不同的权重加入到微博文本的信息中。本文提出的一种基于Condition-CNN的模型框架,不但结合了话题和文本的信息,还通过对主题短语的提取对话题进行扩充,充分地发挥了话题信息在立场检测任务中的作用。本文的主要工作有以下两个方面:第一,本文分别利用LDA对文本内容进行主题词的提取,再通过对相邻词之间进行点互信息的计算,以判断词组是否能合并为短语。在对微博文本进行主题短语提取时,首先对语料中出现的所有词组序列进行主题词比例和点互信息的计算,将得分高的词组作为主题短语的候选集;然后结合Trie树的存储形式对结构不完整的词组进行过滤,以此实现对主题短语的提取。第二,将提取出的主题短语作为对立场检测数据中目标话题的补充构成话题集。在立场检测前,先对话题集和微博文本进行关系矩阵（该矩阵在本文中称为Condition层）的计算,以便更好地体现出这两个文本序列之间的关系特征;然后通过卷积神经网络对Condition层进行特征提取并实现对立场的预测。本文称这种基于关系矩阵和卷积神经网络进行分类的模型为Condition-CNN。本文进行实验时,使用的是自然语言处理及中文计算会议（NLPCC）在2016年发布的中文微博立场检测任务中所提供的公开数据集。实验证明本文中提出的模型在该数据集上的分类结果与现有的研究相比取得了明显的提高。

关键词：立场检测 LDA主题模型点互信息主题短语 Condition矩阵

面向中文短文本对话的立场检测方法研究及其应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向中文短文本对话的立场检测方法研究及其应用

作者：潘达黑龙江大学

学位级别：硕士

随着互联网技术逐渐走向成熟,网络上出现了大量的用户生成内容,其中不乏短文本对话信息,这使得面向短文本对话的立场检测成为意见挖掘领域的重要研究课题之一,其目的是根据谈论的话题,自动地从文本中辨别出用户的立场倾向是支持、反对... 详细信息

随着互联网技术逐渐走向成熟,网络上出现了大量的用户生成内容,其中不乏短文本对话信息,这使得面向短文本对话的立场检测成为意见挖掘领域的重要研究课题之一,其目的是根据谈论的话题,自动地从文本中辨别出用户的立场倾向是支持、反对或是其他。本文在神经网络框架下,研究短文本对话的立场检测问题,并从语料构造、方法研究、具体应用三方面证实了该任务的可行性,研究内容如下:1.构造中文短文本对话立场检测语料:作为短文本对话立场检测任务研究的基础,语料的构建至关重要,本文在获取大量短文本对话数据的基础上,分析对话场景下立场倾向的不同表达方式,重新对话题和立场倾向进行定义,并制定了面向短文本对话的立场倾向标注规范,采用伪标注-人工校对的两阶段标注方法进行了语料库构造,获得了大规模、高质量的用于立场检测的短文本对话语料库。2.中文短文本对话立场检测方法:本文将立场检测任务看作分类问题,首先通过基于稀疏特征的最大熵分类器验证本文提出问题的可行性,并作为基线系统给出其基本性能,接着构建基于稠密特征表示的神经网络模型,进一步提升系统性能,在此基础上分析立场倾向的语言表达特点,以及立场倾向和情感极性之间的相互关系,达到完善立场检测任务理论基础的目的。:3.立场驱动的短文本回复生成:在上文立场检测基础上,本文在基于转移的端到端神经网络框架下实现了回复生成系统,探讨了不同编码方法对回复生成的影响,并利用特征融合的方法将情感和立场信息融入到端到端网络框架中,构建立场驱动的回复生成系统,通过实验证实融入情感和立场信息能够有效的提升系统性能,降低模型困惑度。

关键词：立场检测短文本对话回复生成神经网络