检索结果-南通市图书馆

计算机工程与应用 2018年第13期54卷 168-174页

作者：张琦彭志平广东工业大学计算机学院广州510006 广东石油化工学院计算机与电子信息学院广东茂名525000

针对主流面向文本的读者情绪预测算法难以捕捉文本中复杂的语义和语法信息,以及局限于使用多标签分类方法的问题,提出一种融合注意力机制和卷积门限循环神经网络的读者情绪预测方法。该方法将文本划分为多个句子,利用卷积神经网络从每... 详细信息

针对主流面向文本的读者情绪预测算法难以捕捉文本中复杂的语义和语法信息,以及局限于使用多标签分类方法的问题,提出一种融合注意力机制和卷积门限循环神经网络的读者情绪预测方法。该方法将文本划分为多个句子,利用卷积神经网络从每个句子中提取不同粒度的n-gram信息,构建句子级别的特征表示;然后通过门限循环神经网络顺序地集成这些句子特征,并利用注意力机制自适应地感知上下文信息提取影响读者情绪的文本特征;最后利用softmax回归进行细粒度的读者情绪分布预测。在雅虎新闻读者情感分析数据集上的实验结果证明了该方法的有效性。

关键词：情感分析读者情绪预测卷积神经网络门限循环神经网络注意力机制

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

新闻文本的读者情绪自动预测方法研究

新闻文本的读者情绪自动预测方法研究

引用

作者：叶璐哈尔滨工业大学

学位级别：硕士

Web2.0技术的快速发展，使得网络成为一个公共的信息编辑和发布的平台，让每个人可以分享自己的观点、心情，其中也包含了大量的个人意见、情绪和情绪反馈。识别和度量基于时间序列以及主题的大规模网络人群情绪及其变化在社会学研究和... 详细信息

Web2.0技术的快速发展，使得网络成为一个公共的信息编辑和发布的平台，让每个人可以分享自己的观点、心情，其中也包含了大量的个人意见、情绪和情绪反馈。识别和度量基于时间序列以及主题的大规模网络人群情绪及其变化在社会学研究和经济学研究中都有着重要意义。本课题研究集中在读者角度的情绪反馈预测。也就是通过对新闻文本中的词语或语义进行分析，来预测读者阅读完这段文本后可能产生的情绪。目前的文本情绪研究大多是从作者角度出发，而较少从读者预测角度进行研究。已有的读者情绪预测研究往往把情绪预测问题看成是一个单标签问题，认为一篇新闻文本只会让读者产生一种情绪，这明显与人类直觉和对读者情绪进行大规模统计得到的结果不符。另外，这些工作大多是采用基于词袋的方法，而心理学研究显示，读者情绪不仅会与文本中的一些特定的词语有关，很多时候，还与文中表达的事件主题相关。为此，本课题对网络环境下读者情绪预测进行了系统化的研究，首先，在对读者情绪生成机制进行分析的基础上，利用大规模的社会化标注数据，构建读者情绪语料库。通过对读者情绪标注进行观察发现，一篇新闻文本常常对应着多个具有统计显著性的读者情绪投票，因此将情绪预测问题视为一个多标签分类任务较为合理。同时对文本和读者情绪反馈进行观察可以发现，相似事件的新闻文本往往会导致相同的情绪，也就意味着读者情绪与文本主题具有一定的相关性。因此，课题分别研究了基于词袋模型和基于LDA(Latent Dirichlet Allocation)主题模型的方法进行读者情绪预测，并在此基础上，对主题模型进行改进，包括带权重的LDA模型以及引入情绪类别信息的分块LDA模型，以改进传统LDA模型的性能。本课题在8,802篇新闻文本上的预测实验结果表明：一、在研究读者情绪反馈问题上，采用多标签分类技术比单标签分类技术更合理;二、对于基于词袋模型的方法，通过采用不同的分类算法和特征集进行组合，可以获得较好的效果;三、采用主题模型进行情绪预测，进一步提高了新闻文本的情绪预测精度，同时课题中改进的主题模型的实验结果超过已有的一些方法，最高精度达到了0.89。此外，本课题研究中建立的读者情绪语料库也可以作为各种情绪研究的重要公共资源，支持相关领域的研究。

关键词：读者情绪预测多标签分类词袋模型 LDA模型

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

面向新闻文本的读者情绪预测方法研究

面向新闻文本的读者情绪预测方法研究

引用

作者：邹承天哈尔滨工业大学

学位级别：硕士

随着互联网的发展，各类媒体的形式与内容也得到了各种相应的创新，其重点之一在于能够更好更多的让用户参与其中以及分享个人感受体验，从而使得对大规模读者群的情绪分析与跟踪成为可能。通过对用户针对媒体内容产生的情绪进行分析与... 详细信息

随着互联网的发展，各类媒体的形式与内容也得到了各种相应的创新，其重点之一在于能够更好更多的让用户参与其中以及分享个人感受体验，从而使得对大规模读者群的情绪分析与跟踪成为可能。通过对用户针对媒体内容产生的情绪进行分析与预测，不仅可以用于提升用户的搜索、阅读体验，同时在舆情监控等领域也有着更为广泛的应用。目前对于文本情绪计算的研究主要集中在对文本本身所表达的情绪进行分析，而对于读者情绪，即文本所引发的读者情绪的研究，总体上仍处在比较初级的阶段。本课题研究对读者阅读新闻媒体后的情绪反应进行预测的方法。也就是给定文本形式的新闻媒体报道，通过对其内容进行自动化的分析从而预测读者对该新闻事件的产生的情绪类别情况。本文的主要工作包括：第一，研究了利用新闻标题的语义特征进行读者情绪预测的方法。针对新闻标题文本较短、词数较少但种类较多、数据稀疏的特点，提出了一种结合多标签分类器和基于HowNet语义概念特征的读者情绪预测方法。在此基础上，提出了一种基于语义概念序列特征的情绪预测方法，通过引入词序特征从而进一步提升了预测性能;第二，由于目前缺少面向读者情绪认知和预测的词典资源，本文提出并建立了一种基于情绪表达与情绪认知分离的新型中文情绪词典。在此词典中，将情绪相关词语按照情绪表达与情绪认知加以区分，在支持传统情绪分析的同时，也能够支持情绪预测研究;最后，利用已建立的新型情绪词典，本文提出了一种基于情绪类别强度分布的读者情绪预测方法，分别应用于全文文本与经过扩展后的标题文本，并最终在标题文本上将此方法与基于新闻标题语义概念的方法相结合，有效地提高了读者情绪预测的性能。在利用社会化标注建立的读者情绪语料库上进行的实验中，基于标题语义特征的读者情绪预测方法在降低了特征维度和运算时间的同时，预测结果的各项性能相对于基线系统有6.8%以上的提升;而通过进一步结合人工标注的情绪词典，可以在较低特征维度下即可实现相对较好的分类效果。实验结果显示，本文提出的基于语义特征和情绪认知词典的方法可以明显提高读者情绪预测系统的性能。此外，本文实现的新型中文情绪词典可以广泛用于情绪计算相关领域的研究。

关键词：读者情绪预测情绪词典情绪认知

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

在线新闻文本的读者情绪预测方法研究

在线新闻文本的读者情绪预测方法研究

引用

作者：苏丽丽南开大学

学位级别：硕士

随着互联网的快速发展与Web 2.0时代的到来,在线新闻作为主要的网络信息载体,已经成为人们获取新闻资讯的主要渠道。其内容与形式也不断创新,允许用户通过情绪投票直接抒发自己对新闻事件的情绪。了解用户对新闻事件的态度和情绪变化,... 详细信息

随着互联网的快速发展与Web 2.0时代的到来,在线新闻作为主要的网络信息载体,已经成为人们获取新闻资讯的主要渠道。其内容与形式也不断创新,允许用户通过情绪投票直接抒发自己对新闻事件的情绪。了解用户对新闻事件的态度和情绪变化,可以辅助在线新闻服务商理解用户偏好,同时有助于实现网络舆情分析和监控。因此,如何准确地对用户的情绪进行预测,具有重要的理论意义和应用价值。本文分析并总结了读者情绪预测在国内外的研究现状,结合目前机器学习领域高度关注的LDA主题模型及多标签分类技术,对新闻文本引发的读者情绪自动判别和预测进行了深入研究,主要工作包括：第一,首次提出将读者情绪预测作为多标签分类问题。由于现有读者情绪预测方法大多将读者情绪预测作为单标签分类任务,这与人类直觉及对读者情绪进行大规模统计结果不符。本文在对读者情绪投票数据进行详细统计分析的基础上,验证了使用多标签分类方法解决读者情绪预测问题的正确性。第二,提出一种读者情绪自动标注方法。本文设计了一种读者情绪多标签标注算法,该算法创新性地利用读者情绪投票数据,采用基于阈值的方法,实现了读者情绪的自动标注。避免了传统手工标注方法工作量大、标注结果不准确等问题。第三,提出一种多标签监督的情绪-主题模型。在深入分析LDA主题模型的基础上,增加一层隐含的读者情绪,并利用读者情绪反馈信息对模型进行监督。与传统模型相比,该模型能够更加有效地利用文本语义信息,取得了更加准确的情绪预测结果。本文在真实的新浪社会新闻数据集上进行了大量的对比实验,结合多标签分类常用评测指标,对实验结果进行评测。实验结果表明较已有的读者情绪预测方法,本文提出的多标签监督的情绪-主题模型能够更准确地预测读者情绪。

关键词：情感分析读者情绪预测在线新闻多标签分类 LDA主题模型

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

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

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：