检索结果-南通市图书馆

基于自联想记忆与卷积神经网络的跨语言情感分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中文信息学报 2018年第12期32卷 118-124页

作者：刘娇崔荣一赵亚慧延边大学计算机科学与技术学院智能信息处理研究室吉林延吉133000

该文提出了一种以商品评论为对象的基于语义融合的跨语言情感分类算法。该算法首先从短文本语义表示的角度出发,基于开源工具Word2Vec预先生成词嵌入向量来获得不同语言下的信息表示;其次,根据不同语种之间的词向量的统计关联性提出使... 详细信息

该文提出了一种以商品评论为对象的基于语义融合的跨语言情感分类算法。该算法首先从短文本语义表示的角度出发,基于开源工具Word2Vec预先生成词嵌入向量来获得不同语言下的信息表示;其次,根据不同语种之间的词向量的统计关联性提出使用自联想记忆关系来融合提取跨语言文档语义;然后利用卷积神经网络的局部感知性和权值共享理论,融合自联想记忆模型下的复杂语义表达,从而获得不同长度的短语融合特征。深度神经网络将能够学习到任意语种语义的高层特征致密组合,并且输出分类预测。为了验证算法的有效性,将该模型与最新几种模型方法的实验结果进行了对比。实验结果表明,此模型适用于跨语言情感语料正负面情感分类,实验效果明显优于现有的其他算法。

关键词：跨语言情感分类自联想记忆词共现卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于结构对应学习的跨语言情感分类研究

南京大学学报（自然科学版） 2017年第6期53卷 1133-1140页

作者：汪鹏赵学礼李娜娜董永峰河北工业大学计算机科学与软件学院天津300401 河北省大数据计算重点实验室(河北工业大学) 天津300401

情感分类的主要目的是预测用户在互联网中发布情绪数据的极性(积极的或者消极的),各种语言的情感分析已经成为诸多应用的研究热点,然而由于不同语言的情感资源在质量和数量上的不平衡,通常使用源语言来改善目标语言的跨语言情感分类方法... 详细信息

情感分类的主要目的是预测用户在互联网中发布情绪数据的极性(积极的或者消极的),各种语言的情感分析已经成为诸多应用的研究热点,然而由于不同语言的情感资源在质量和数量上的不平衡,通常使用源语言来改善目标语言的跨语言情感分类方法,来提高目标语言情感分类的准确性.传统的跨语言情感分类主要是通过机器翻译将目标语言映射到源语言中,但是分类的准确性严重受到机器翻译质量的影响.通过对跨领域文本分类的结构学习算法(SCL)的讨论和拉普拉斯映射对两种语言之间词对的影响,对跨语言结构对应学习算法(CLSCL)的改进,进而提出M-CLSCL算法,借助选出来的轴心词对来进行目标语言的情感分类,通过M-CLSCL方法与前述相关方法的实验结果进行比较,可以发现M-CLSCL提高了情感分类的准确性.

关键词：跨语言情感分类结构对应学习拉普拉斯映射轴心词对

基于对抗双向GRU网络的跨语言情感分类方法

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 2024年第1期41卷 82-88页

作者：李雪芹杨文丽李娜娜河北工业大学人工智能与数据科学学院天津300401 河北工业大学河北省大数据重点实验室天津300401

为了提高资源匮乏语言的情感分类性能,提出一种基于对抗双向GRU网络相结合的跨语言情感分类模型(ABi-GRU)。通过基于语义双语词嵌入方法来提取中英文文本词向量特征;结合注意力机制的双向GRU网络提取文本的上下文情感特征,同时引入生成... 详细信息

为了提高资源匮乏语言的情感分类性能,提出一种基于对抗双向GRU网络相结合的跨语言情感分类模型(ABi-GRU)。通过基于语义双语词嵌入方法来提取中英文文本词向量特征;结合注意力机制的双向GRU网络提取文本的上下文情感特征,同时引入生成对抗网络缩小中英文向量特征分布之间的差距;通过情感分类器进行情感分类。实验结果分析表明,该方法有效地提升了跨语言情感分类的准确率。

关键词：跨语言情感分类注意力机制生成对抗网络双向GRU网络

在线全文

学校读者我要写书评

暂无评论

基于情感语义对抗的跨语言情感分类模型

计算机工程与科学 2023年第2期45卷 338-345页

作者：赵亚丽余正涛郭军军高盛祥相艳昆明理工大学信息工程与自动化学院云南昆明650500 云南省人工智能重点实验室云南昆明650500

传统的基于机器翻译的跨语言情感分类方法,由于受机器翻译性能影响,导致越南语等低资源语言的情感分类准确率较低。针对源语言和目标语言标记资源不平衡的问题,提出一种基于情感语义对抗的跨语言情感分类模型。首先,将句子和句子中情感... 详细信息

传统的基于机器翻译的跨语言情感分类方法,由于受机器翻译性能影响,导致越南语等低资源语言的情感分类准确率较低。针对源语言和目标语言标记资源不平衡的问题,提出一种基于情感语义对抗的跨语言情感分类模型。首先,将句子和句子中情感词进行拼接,用卷积神经网络对拼接后的句子分别进行特征抽取,分别获得单语语义空间下的情感语义表征;其次,通过对抗网络,在双语情感语义空间将带标签数据与无标签数据的情感语义表征进行对齐;最后,将句子与情感词最显著的表征进行拼接,得到情感分类结果。基于汉英公共数据集和自主构建的汉越数据集的实验结果表明,所提模型相比跨语言情感分类主流模型,实现了双语情感语义对齐,可以有效提升越南语情感分类的准确率,且在差异性不同的语言对上也具有明显优势。

关键词：情感语义表征双语词嵌入低资源语言跨语言情感分类

在线全文

学校读者我要写书评

暂无评论

基于产品评论的跨语言情感分类技术研究

基于产品评论的跨语言情感分类技术研究

作者：赵学礼河北工业大学

学位级别：硕士

随着科学技术的飞速发展,互联网上随处可见的是用户对商品或者服务的评论,其中最有价值的信息莫过于人们对商品评论中带有的情感信息,这些信息对情感分类的研究具有很大的价值。但是,由于不同语言的情感资源在质量和数量上的分布不均匀... 详细信息

随着科学技术的飞速发展,互联网上随处可见的是用户对商品或者服务的评论,其中最有价值的信息莫过于人们对商品评论中带有的情感信息,这些信息对情感分类的研究具有很大的价值。但是,由于不同语言的情感资源在质量和数量上的分布不均匀,无法更好的对情感资源不足的语言进行情感分类。为解决此问题,研究者通常利用情感资源丰富的语言来解决资源缺乏语言的跨语言情感分类问题。传统的跨语言情感分类主要是使用机器翻译系统将一种语言翻译到另一种语言,然后在该语言下进行情感分类,但是机器翻译质量严重影响着分类的准确率。目前的跨语言情感分类问题是如何更好的减少不同语言之间的间隙,针对这一问题,本文对跨语言情感分类所面临的问题进行详细地分析,找到两种不同语言之间的映射表示关系,通过该映射来进行跨语言情感分类,主要研究内容如下。1)利用拉普拉斯映射对基于结构对应学习的跨语言情感分类算法(CLSCL)进行改进,提出了改进的算法(M-CLSCL),根据源语言和目标语言之间潜在的关系,选出轴心特征词对,最后借助选出来的轴心特征词对,学习一个映射函数,借助该函数来进行跨语言的情感分类。2)提出了一种基于Autoencoder的跨语言情感分类方法,该方法将两种语言(源语言和目标语言)通过Autoencoder学习一种共享表示(BLSR)。通过Autoencoder对两种不同语言进行学习处理得到其共享表示空间,学习到该空间后,将训练数据(源语言)映射到该空间中并训练分类器,测试数据(目标语言)同样映射到该空间进行测试。3)选取NLP&CC 2013跨语言情感分类数据集中的DVD和书籍评论的数据对提出的两种算法分别进行实验,通过实验结果得出:本文提出改进的基于结构对应学习的跨语言情感分类算法与原有算法在同一数据集上进行实验对比具有较高的准确率;第二种方法在同一数据集上情感分类的准确率较高于目前前沿算法如BSWE等算法。

关键词：跨语言情感分类结构对应学习拉普拉斯映射共享表示空间

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双语词嵌入模型的跨语言情感分类研究

基于双语词嵌入模型的跨语言情感分类研究

作者：康广泽河北工业大学

学位级别：硕士

随着互联网和电子商务的飞速发展,网络上产生了大量有用的评论信息,通过对这些文本进行情感分类,可以分析出人们对某个商品或某件事的观点及态度。但是除英语外的其他语言缺乏高质量的情感资源,限制了情感分类在这些语言中的发展,跨语... 详细信息

随着互联网和电子商务的飞速发展,网络上产生了大量有用的评论信息,通过对这些文本进行情感分类,可以分析出人们对某个商品或某件事的观点及态度。但是除英语外的其他语言缺乏高质量的情感资源,限制了情感分类在这些语言中的发展,跨语言情感分类能很好的解决这一问题。跨语言情感分类的目的是使源语言的情感资源更好的应用到目标语言中进行情感分类,算法的关键是弥合两种语言之间的差异,高效提取出单词的语义信息和情感信息。目前的跨语言情感分类模型大多借助双语词嵌入构建两种语言的映射,此类方法只考虑不同语言间的语义关系,忽略了情感信息,影响了分类的准确率。针对上述问题,提出两种跨语言情感分类方法,主要研究内容如下:(1)提出一种基于情感指数与双语相似度的跨语言情感分类模型(SIBS),通过三步进行跨语言情感分类。首先用情感指数算法计算英文的情感指数,然后利用线性映射方法(CBOW)在两个单语空间中分别训练出词向量,并通过TF-IDF算法提取出数据集中能体现每条评论关键信息的词,再用翻译矩阵将两种语言的词向量映射到同一个共享空间中,利用这些信息求出源语言与目标语言的相似度,最后得到中文的情感指数,用SVM分类器进行情感分类。实验结果表明,该方法能有效解决双语词嵌入中情感信息缺失的问题,提高了分类的准确率。(2)在进行跨语言情感分类时,需要对文本数据进行去噪并提取出句子中对整体情感贡献最大的部分。针对SIBS模型去噪声不足的问题,提出一种融合Bi-LSTM和注意力机制的跨语言情感分类方法,引入注意力机制进一步对文本进行降噪处理,同时利用Bi-LSTM网络在句子的前后两个方向利用上下文信息获取句子的情感特征,最后用softmax层进行情感分类。实验结果表明,该模型在电影、推特、书籍三个数据集进一步提高了跨语言情感分类的准确率。

关键词：跨语言情感分类情感指数双语相似度注意力机制 Bi-LSTM网络

基于深度学习的中英文跨语言情感分类方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的中英文跨语言情感分类方法研究

作者：李雪芹河北工业大学

学位级别：硕士

随着互联网的迅速发展,越来越多的用户喜欢在网上表达自己的观点和想法,这就积累了海量的文本数据。对这些文本数据进行情感分类,可以挖掘这些文本数据的潜在信息,从而可以帮助平台以及其他行业的发展。在情感分类的过程中,主要是对互... 详细信息

随着互联网的迅速发展,越来越多的用户喜欢在网上表达自己的观点和想法,这就积累了海量的文本数据。对这些文本数据进行情感分类,可以挖掘这些文本数据的潜在信息,从而可以帮助平台以及其他行业的发展。在情感分类的过程中,主要是对互联网中产生的文本数据进行分析并做出情感倾向判断。这一过程往往需要大量带标签的文本资源,但是由于不同语言之间的数据资源差异导致情感分类在不用语言之间发展不平衡。这一现状,促使了跨语言情感分类的诞生。跨语言情感分类主要借助资源丰富的语言帮助资源匮乏的语言进行情感分类。在以往的研究中,主要使用机器翻译技术建立两种语言之间的联系,但是机器翻译并不能充分考虑语言之间的文化、结构等差异,从而会造成翻译误差,一定程度上影响了跨语言情感分类的性能。目前跨语言情感分类研究的关键在于如何缩小不同语言之间的特征分布差距,以及将更好的提取文本情感信息特征。因此为了提高跨语言情感分类的性能,本文研究内容如下:(1)为了保证不同语言含义相近词的特征分布更加接近,本文提出了一种基于情感嵌入的跨语言情感分类方法。该方法首先利用少量双语词典学习投影矩阵和源语言情感分类相结合学习出源语言和目标语言的映射矩阵,然后源语言数据和目标语言数据根据学习出的映射矩阵分别映射到双语空间中。通过这种方式来保证源语言和目标语言中的情感词在双语空间中的分布更加接近,从而缩小语言之间的特征分布差异。模型在NLP&CC2013数据集上实验,通过实验对比结果可知,该方法提高了跨语言情感分类的准确率。(2)为了进一步提取源语言和目标语言的特征,加强不同语言之间的交互学习,本文提出了一种基于对抗双向GRU网络的跨语言情感分类模型。该模型首先双语词嵌入方法将不同的语言映射到双语空间,然后结合注意力机制的双向GRU网络来捕获句子内部以及句子之间的相互联系,提取文本前后更深层次的语义情感特征;同时引入生成对抗网络来缩小不同语言之间的特征分布差异。模型在NLP&CC2013数据集和酒店评论数据集上实验。通过实验对比结果可知,该方法能够提高跨语言的准确率。

关键词：跨语言情感分类情感嵌入注意力机制生成对抗网络双向GRU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

基于共享空间的跨语言情感分类

信息技术与信息化 2020年第5期 202-207页

作者：张萌萌河北工业大学人工智能与数据科学学院天津300401 河北省大数据计算重点实验室(河北工业大学) 天津300401

情感分类是通过分析用户在互联网中发布评论数据进行情感倾向判断,其过程需要质量比较高的情感资源。然而这些情感资源在不同语言之间的存在相当不均衡,一些语言的资源相对匮乏限制了情感分类的发展。因此借助源语言的资源预测目标语言... 详细信息

情感分类是通过分析用户在互联网中发布评论数据进行情感倾向判断,其过程需要质量比较高的情感资源。然而这些情感资源在不同语言之间的存在相当不均衡,一些语言的资源相对匮乏限制了情感分类的发展。因此借助源语言的资源预测目标语言情感取向的跨语言情感分类吸引了很多研究者的关注。在以往进行的跨语言情感分类研究中,主要借助机器翻译引擎进行两种语言之间的映射,但是这些方法的分类效果严重依赖于翻译的质量,同时很难去获取到文本中的情感信息。本文提出了一种基于共享空间的跨语言情感分类方法,该方法是通过TF-IDF算法提取语料集中的关键词,使用LDA模型进行主题分析获取主题词序列,依据所得结果构建双语词典,去学习一种共享空间表示,同时根据情感极性词典可以获取到文本中的情感信息。当获取共享空间表示后,将训练数据(源语言)转换到该空间,利用学习到的共享表示训练分类器,测试数据(目标语言)同样转换到该空间对分类器进行测试。实验结果表明本文的方法可以减少源语言和目标语言之间存在的数据不均衡问题,有效地进行跨语言情感分类。

关键词：跨语言情感分类深度学习共享表示空间 TF-LDA 双语词典 LDA

在线全文

学校读者我要写书评

暂无评论

基于情感指数与双语相似度的跨语言情感分类

信息技术与信息化 2021年第6期 261-267页

作者：康广泽李娜娜河北工业大学人工智能与数据科学学院天津300401 河北工业大学河北省大数据重点实验室天津300401

目前的跨语言情感分类大多借助双语词嵌入构建语言间的映射,此类方法只考虑语义关系,忽略了情感信息,影响了模型的性能。针对上述问题,提出一种基于情感指数与双语相似度的跨语言情感分类模型(cross-language sentiment classifi cation... 详细信息

目前的跨语言情感分类大多借助双语词嵌入构建语言间的映射,此类方法只考虑语义关系,忽略了情感信息,影响了模型的性能。针对上述问题,提出一种基于情感指数与双语相似度的跨语言情感分类模型(cross-language sentiment classifi cation based on sentiment index and bilingual similarity,SIBS),先计算英文的情感指数,再通过基于双语词嵌入和TF-IDF算法的双语相似度算法计算中英两种语言的相似度,得到中文的情感指数,最后使用SVM进行情感分类。实验结果表明,该方法能有效解决情感信息缺失问题,提高了分类的准确率。

关键词：跨语言情感分类双语词嵌入情感指数双语相似度