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

基于双向循环神经网络的购物评价情感分析

网络安全技术与应用 2024年第4期 66-68页

作者：杨武俊运城学院山西044000

随着电商经济的快速发展,用户的评论对商家的服务质量和产品的改进具有重大意义。用传统词向量搭配神经网络解决文本情感分析准确率不高,未能全面表示文本的情感信息特征的问题,本文中提出了一种基于BERT模型的文本情感分类的解决方案... 详细信息

随着电商经济的快速发展,用户的评论对商家的服务质量和产品的改进具有重大意义。用传统词向量搭配神经网络解决文本情感分析准确率不高,未能全面表示文本的情感信息特征的问题,本文中提出了一种基于BERT模型的文本情感分类的解决方案。利用BERT模型特有的自注意力,使用双向编码机制获得具有全局特征的词语表示,通过双向循环神经网络提取情感特征,最后进行情感分类。实验结果表明,通过和传统的方法进行对比,本文所使用的模型能很好地提升情感分类的准确率,获得正确的分类结果。

关键词：注意力机制情感分析 BERT 词嵌入向量

在线全文

学校读者我要写书评

暂无评论

双匹配焦点融合的开放域答案选择模型

计算机工程 2023年第1期49卷 303-310页

作者：何俊飞张会兵胡晓丽桂林电子科技大学广西可信软件重点实验室广西桂林541004 桂林电子科技大学教学实践部广西桂林541004

开放域答案选择模型通过对同一问题的不同候选答案打分,寻找与问题最匹配的答案,是问答(QA)系统的重要组成部分。现有开放域QA系统中的答案选择模型较少关注词级与句子级的融合,导致在匹配关系上缺乏上下文的语义联系,或损失个别单词在... 详细信息

开放域答案选择模型通过对同一问题的不同候选答案打分,寻找与问题最匹配的答案,是问答(QA)系统的重要组成部分。现有开放域QA系统中的答案选择模型较少关注词级与句子级的融合,导致在匹配关系上缺乏上下文的语义联系,或损失个别单词在语法语义上的细节信息。基于相邻相似原理,提出一种融合双匹配焦点的答案选择模型。根据问答任务多语句关联的特点,设计一种可以将词语的问答承接关系和问答语义关系嵌入进词向量的词嵌入方式,并利用该词向量直接计算词对的余弦相似度,得到词级匹配焦点。通过引入注意力机制的Encoder-Decoder模型提取句子级词对匹配焦点,以问题为基准对齐两个焦点分布矩阵,并使用焦点间的相对距离融合词级与句子级匹配矩阵,获得问题与答案的相关性得分。在Wiki-QA、TREC-QA两个公开问答数据集上的实验结果表明,该模型与多跳注意力模型、层级排序模型相比,平均准确率均值分别提高0.0801和0.0571,平均倒数排名分别提高0.0176和0.0066。

关键词：问答系统相邻相似匹配焦点词嵌入向量翻译模型

在线全文

学校读者我要写书评

暂无评论

基于BERT的金融文本情感分析模型

上海大学学报（自然科学版） 2023年第1期29卷 118-128页

作者：朱鹤陆小锋薛雷上海大学通信与信息工程学院上海200444

在金融领域,越来越多的投资者选择在互联网平台上发表自己的见解.这些评论文本作为舆情的载体,可以充分反映投资者情绪,影响投资决策和市场走势.情感分析作为自然语言处理(natural language processing,NLP)中重要的分支,为分析海量的... 详细信息

在金融领域,越来越多的投资者选择在互联网平台上发表自己的见解.这些评论文本作为舆情的载体,可以充分反映投资者情绪,影响投资决策和市场走势.情感分析作为自然语言处理(natural language processing,NLP)中重要的分支,为分析海量的金融文本情感类型提供了有效的研究手段.由于特定领域文本的专业性和大标签数据集的不适用性,金融文本的情感分析是对传统情感分析模型的巨大挑战,传统模型在准确率与召回率上表现较差.为了克服这些挑战,针对金融文本的情感分析任务,从词表示模型出发,提出了基于金融领域的全词覆盖与特征增强的BERT(bidirectional encoder representations from Transformers)预处理模型.

关键词：情感分析词嵌入向量 BERT 词性特征命名实体识别

在线全文

学校读者我要写书评

暂无评论

基于深度学习的中文影评情感分析

上海大学学报（自然科学版） 2018年第5期24卷 703-712页

作者：周敬一郭燕丁友东中国科学技术大学苏州研究院软件学院江苏苏州215123 上海大学上海电影学院上海200072

随着社交网络的兴起,更多人选择在网络上发表自己对影视作品的观点,这为影视投资人了解观众对电影的反馈提供了更方便的途径.例如,豆瓣影评中包含了海量用户或积极或消极的情感观点,而分析豆瓣影评的情感倾向能够辅助投资人进行决策,提... 详细信息

随着社交网络的兴起,更多人选择在网络上发表自己对影视作品的观点,这为影视投资人了解观众对电影的反馈提供了更方便的途径.例如,豆瓣影评中包含了海量用户或积极或消极的情感观点,而分析豆瓣影评的情感倾向能够辅助投资人进行决策,提升作品质量.大量数据分析必须借助计算机技术手段完成,其中情感分析是自然语言处理(natural language processing, NLP)的一个方向,常用来分析判断文本描述的情绪类型,因此也被称为情感倾向分析.为了提高影评情感分类的准确率,设置了多组对比实验来选择最优参数,比较了当以中文字符向量和词向量为输入矩阵时,双向长短期记忆(bidirectional long short-term memory,Bi-LSTM)模型和卷积神经网络(convolutional neural network, CNN)模型对分类准确率的影响.提出了一种以CNN模型为弱分类器的Bagging算法,训练了多个CNN模型,并采用投票法决定最终的分类结果.这种集成的方法减少了单个模型造成的分类偏差,比单一的Bi-LSTM模型的分类准确率提高了5.10%,比单一的CNN模型的分类准确率提高了1.34%.

关键词：双向长短期记忆模型卷积神经网络模型 Bagging算法词嵌入向量影评情感分析

在线全文

学校读者我要写书评

暂无评论

短文本主题信息挖掘技术研究

短文本主题信息挖掘技术研究

作者：王建勋沈阳工业大学

学位级别：硕士

网络社交媒体的快速发展,标志着迎来了信息快速变更共享的时代。网络社交媒体与传统的信息行业相结合,开发出许多和生活联系紧密的新应用,提高了人们的使用意愿。短文本信息作为新应用的主要表现形式之一,从中挖掘出有效的主题有重要的... 详细信息

网络社交媒体的快速发展,标志着迎来了信息快速变更共享的时代。网络社交媒体与传统的信息行业相结合,开发出许多和生活联系紧密的新应用,提高了人们的使用意愿。短文本信息作为新应用的主要表现形式之一,从中挖掘出有效的主题有重要的意义。目前,主题模型技术已然取得了不小的成果,成为文本信息智能化处理的重要方式之一。但是,由于短文本中文档和词之间的数据比较稀疏,传统模型在对短文本进行主题信息挖掘时,挖掘的效果并不理想。除此之外,利用文本集的词共现信息扩充数据获得主题分布成为短文本主题挖掘的主流方式,诸多研究均基于此种思想进行改进,但是,当前此类主题模型研究中对共现词语的语义较少考虑,本文提出基于语义分析的双词短文本主题模型（Semantic Analysis Biterms Topic Model,SA-BTM）,在采用共现的双词获取主题时考虑语义关系对结果的影响。同时本文对与主题挖掘效果联系密切的主题维度确定方式进行了研究。本文的主要工作如下:1)研究共现词语语义关系对主题挖掘效果的影响。本文通过对大量文本数据进行训练,将共现词语用能够表征语义关系的词嵌入向量形式来表示,词语之间的语义关系通过语义相似度进行分析比较。研究对比了采用不同语义相似度区间扩充数据对主题挖掘效果的影响。2)提出了基于语义分析的双词短文本主题模型。通过分析文档中词语的语义关系,适当选取双词,以此为基础进行主题推断。实现了对短文本主题信息的有效挖掘,给出了主题挖掘效果。并与其他模型得出的结果进行了对比。3)提出了主题维度自动确定方法。针对在主题信息挖掘过程中,对挖掘效果影响较大的主题维度目前主要靠经验确定的问题,提出了主题维度自动搜索策略,实验证实可以在主题信息挖掘中快速确定适当的主题维度。本文通过网络爬虫爬取了知乎问题集等大量不同类型的文本构建实验数据集,应用本文提出的模型和方法实现了对主题的有效挖掘以及对主题维度的快速确定,通过与其他模型的对比实验,结果证实本文提出的模型挖掘结果具有更高聚合度。

关键词：主题信息挖掘词嵌入向量语义相似度主题模型主题维度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

平面学习媒体增强系统的研究与实现

平面学习媒体增强系统的研究与实现

作者：苑通北京邮电大学

学位级别：硕士

平面学习媒体是指仅通过视觉传递知识信息的媒体,通常包括书籍、期刊、报纸、杂志。平面学习媒体增强系统为了打通平面学习媒体和信息系统的交互,依赖于词语的语义表示。当前存在一些对学习有辅助作用的系统,这些系统存在的核心问题是... 详细信息

平面学习媒体是指仅通过视觉传递知识信息的媒体,通常包括书籍、期刊、报纸、杂志。平面学习媒体增强系统为了打通平面学习媒体和信息系统的交互,依赖于词语的语义表示。当前存在一些对学习有辅助作用的系统,这些系统存在的核心问题是无法对平面学习媒体中的内容进行信息提取,并产生高质量的词语表示。同时,当前的基于窗口的词向量学习算法存在无法捕捉到不同窗口词的重要性的问题。为了解决以上的问题,本文做了如下的工作:1)对于平面学习媒体增强系统的发展现状进行了深入的调研,将系统的关键技术分析为OCR技术、词向量技术和推荐系统技术,并根据各项技术的重要性将词向量技术作为本文的核心研究问题。2)在dict2vec模型的基础上,本文提出了一种基于窗口词共现词频的差异化窗口词权重的词向量学习模型。该模型通过三个方法来使词向量能够表现出更加准确的词语相似性:首先该模型通过将窗口词划分为重要窗口词和一般窗口词,使得具有更高相关性的词能够占有更高的权重;其次,本文提出了一种对强弱词对进行排序的策略,使得更为重要的定义词能够尽早将自己的语义信息传递给其它词;最后本文提出,在使用定义词作为额外语义信息的基础上,增加窗口大小能够带来词语相似性的提升。根据本文在10个数据集上,3个窗口大小下的多组对比实验表明,本文所提出的方法能够使词语的相似性得到提升。3)基于本文提出的模型,我们设计并实现了一个平面学习媒体增强系统的原型系统。该系统由前端模块、OCR识别引擎模块、词向量模块、推荐系统模块组成。最后对于所提出的模型的多组对比实验表明,本文所提出的方法是有效的。同时,对原型系统测试表明,本系统能够完成对相关单词的推荐以及课程推荐的功能。

关键词：平面学习媒体词嵌入向量词语相似性 java后台

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于用户评论的情感分析研究与实现

基于用户评论的情感分析研究与实现

作者：刘寒北京邮电大学

学位级别：硕士

互联网技术的发展使得用户评论数据指数增长,如何将有效信息从海量数据中提取出来,是当前互联网技术中研究的一个重要热点。而情感分析技术正是用来处理和解决此类问题的。本文主要研究基于用户评论的情感分析,从多个方面不同层次来分... 详细信息

互联网技术的发展使得用户评论数据指数增长,如何将有效信息从海量数据中提取出来,是当前互联网技术中研究的一个重要热点。而情感分析技术正是用来处理和解决此类问题的。本文主要研究基于用户评论的情感分析,从多个方面不同层次来分析用户对于餐厅评论的情感倾向性。细粒度情感分析在近年来也取得了一定的研究进展,在实际中也体现出其应用价值与广阔的应用前景。针对于用户评论的情感分析问题,本文提出了基于注意力机制的情感分析模型和基于BERT的情感分析模型。本文的主要工作如下:1.使用XGBoost算法进行特征提取。利用XGBoost具有对特征排序的特性,对每一个细粒度进行分类任务,得到其特征重要性的排序结果,最终获取到每一个细粒度的方面特征词。2.提出了 BiLSTM-Att-GloVe模型,使用双向长短期记忆网络分别对上下文和特征词进行编码,得到其特征向量表示,然后通过注意力机制得到上下文中不同词对于方面词的注意权重,最后使用Softmax得到文本的情感倾向的概率分布。由于BiLSTM不能实现并行,而且存在梯度问题,又基于注意力机制提出了 Att-Con-GloVe模型,使用多头注意力机制对特征词和文本进行编码,从而提取文本垂直空间特征向量。实验证明Att-Con-GloVe模型效果更好。3.近年来提出的BERT模型在多个领域中位居榜首,因此考虑将其用于本文任务中,主要通过两种方式。一是使用基于BERT的情感分析模型,利用BERT模型的句子级输出,下接情感分析分类任务,通过预训练模型进行微调从而实现细粒度情感分析任务。二是提出了Att-Con-BERT模型,利用BERT的单词级输出,将BERT模型作为文本的词向量嵌入,然后输入基于多头注意力机制和卷积变换的模型中。实验证明基于BERT的模型准确性更高,其中Att-Con-BERT模型效果最好。4.设计并实现基于情感分析的用户评论系统,该系统可以直接调用训练好的情感分析模型,获取用户评论的情感分析结果。

关键词：细粒度情感分析特征词词嵌入向量注意力机制 BERT

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于层次语言模型的词嵌入方法研究

基于层次语言模型的词嵌入方法研究

作者：庄承阳山东师范大学

学位级别：硕士

自然语言处理已成为计算机科学和人工智能方向的研究热点,词嵌入作为自然语言处理领域的表征学习和语言模型技术的统称,对提高自然语言处理任务的准确率起着关键作用。词嵌入又被称为词嵌入向量、词向量、词的分布式表示,其本质是将词... 详细信息

自然语言处理已成为计算机科学和人工智能方向的研究热点,词嵌入作为自然语言处理领域的表征学习和语言模型技术的统称,对提高自然语言处理任务的准确率起着关键作用。词嵌入又被称为词嵌入向量、词向量、词的分布式表示,其本质是将词语映射到向量空间,获取词嵌入向量。但是,传统方法忽略了词语之间的顺序关系,导致词向量过度稀疏和冗长。随后语言模型的出现推动了词嵌入技术的变革,提取到了更加丰富的词语语义和句法信息。在英文词嵌入领域,研究人员提出了CBOW、Skip-Gram、FastText等经典模型。在中文词嵌入领域,词语与单词存在字形、语义差异,这增加了提高中文词向量质量的难度。因此,使用语言模型准确提取词语特征,对研究中文词嵌入具有关键作用。中文词语具备象形文字特点,词语本身存在丰富的语义信息。但是已有的中文词嵌入方法大多是基于语言模型引入词语细粒度组件特征,并未充分使用中文词语内部组件信息。本文针对上述问题,提出了中文词嵌入层次语言模型(Hierarchical Enhanced Word Embedding,HWE),结合组成词语的笔画、子字符、字符信息,联合优化中文词嵌入向量。在词语相似度和类比推理任务中评估,验证了HWE模型能够有效提高词嵌入向量的质量。本文的主要创新点和贡献如下:(1)本文基于神经网络语言模型算法,对词语的逻辑结构进行分析,提出了一种新的适用于中文语言体系的层次语言模型,创新性的应用笔画、子字符、字符特征,联合训练中文词嵌入向量,提高了中文词嵌入向量的质量。(2)本文基于笔画n-gram向量的方法,在层次语言模型的笔画嵌入层扩展了基本笔画的种类,使用34种不同笔画重新获取了精确度更高的笔画n-gram向量,并提出了笔画关系向量,实现了词嵌入向量的进一步优化。(3)本文基于汉字的象形文字特点,针对笔画、子字符、字符对于表达词语语义贡献度不同的问题,提出了一种合理、高效的权重算法,并应用于中文词嵌入向量的生成过程,实现了词嵌入向量的联合优化,提高了词语相似度任务和词语推理任务的准确率。

关键词：词嵌入向量层次语言模型权重算法笔画n-gram

基于Word2Vec和Bi-GRU的高职线上教评情感分析法试探

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

广东水利电力职业技术学院学报 2023年第3期21卷 73-77页

作者：李淼冰王威王成成广州华南商贸职业学院广州510550

为提高高职线上教评情感分析的准确度和效率,提出基于双向门控循环单元(Bi-GRU)网络的教评情感分析法。该方法利用Skip-gram神经网络学习教育领域特定的词嵌入向量,再利用两个相同架构的Bi-GRU网络,从不同角度实现对学生反馈的细粒度分... 详细信息

为提高高职线上教评情感分析的准确度和效率,提出基于双向门控循环单元(Bi-GRU)网络的教评情感分析法。该方法利用Skip-gram神经网络学习教育领域特定的词嵌入向量,再利用两个相同架构的Bi-GRU网络,从不同角度实现对学生反馈的细粒度分析。实验结果表明,该方法内容分类和情感分类的准确度分别达到97%和95%,显著优于支持向量机(SVM)、长短时记忆网络(LSTM)等其他方法。

关键词：教学评价情感分析双向门控循环单元词嵌入向量情感极性细粒度分析