检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于文本图表征的中文隐式情感分析模型

数据分析与知识发现 2023年

作者：李嘉伟张顺香李书羽段文杰汪雨晴邓金科合肥综合性国家科学中心人工智能研究院安徽理工大学计算机科学与工程学院淮南师范学院计算机学院

[目的]为充分利用外部知识和上下文增强隐式情感文本，实现词级别的语义交互，本文提出一种基于文本图表征的中文隐式情感分析模型。 [方法]首先，将目标句和上下文建模为以词为节点的文本图；然后，针对图中的词节点，通过外部知识链... 详细信息

[目的]为充分利用外部知识和上下文增强隐式情感文本，实现词级别的语义交互，本文提出一种基于文本图表征的中文隐式情感分析模型。 [方法]首先，将目标句和上下文建模为以词为节点的文本图；然后，针对图中的词节点，通过外部知识链接得到语义拓展的文本图；最后，将所得文本图通过图注意力网络（Graph Attention Network， GAT）在节点间传递语义信息，再由Readout得到文本图表征。 [结果]在公开的隐式情感分析数据集SMP2019-ECISA上对模型进行验证与评估，该模型F1值达到78.8%，较已有模型至少提高了1.2个百分点。 [局限]生成的文本图大小与文本长度相关，处理长文本时会导致较大的内存和计算开销。 [结论]该模型能够利用图结构从词级别建模外部知识、上下文和目标句的关联，有效地表征了文本语义，提高了隐式情感分析准确率。

关键词：隐式情感分析文本图表征图注意力网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

上下文感知的树递归神经网络下隐式情感分析

计算机工程与应用 2022年第7期58卷 167-175页

作者：陈秋嫦赵晖左恩光赵玉霞魏文钰新疆大学信息科学与工程学院乌鲁木齐830046 商洛学院数学与计算机应用学院陕西商洛726000

针对现有的序列化模型对中文隐式情感分析中特征信息提取不准确以及对篇章级的文本信息提取存在的梯度爆炸或者梯度消失的问题,提出了双向长短时神经网络和上下文感知的树形递归神经网络(context-aware tree recurrent neutral network,... 详细信息

针对现有的序列化模型对中文隐式情感分析中特征信息提取不准确以及对篇章级的文本信息提取存在的梯度爆炸或者梯度消失的问题,提出了双向长短时神经网络和上下文感知的树形递归神经网络(context-aware tree recurrent neutral network,CA-TRNN)的并行混合模型。该模型分别利用双向循环长短时记忆神经网络(BiLSTM)提取文本中的上下文信息,树形递归神经网络(TRNN)提取文本中目标句的语义特征信息,最后,使用特定目标句的注意力机制将两个表示信息进行融合表示后,经过softmax得出文本的情感分类结果。采用SMP2019微博中文隐式情感分析任务中的数据进行验证,实验结果表明,所使用的模型(CA-TRNN)可以有效提高分类结果的准确度,时间代价小,具有更好的应用能力。

关键词：上下文感知注意力机制树形递归神经网络(TRNN) 隐式情感分析

维普期刊数据库

RoBERTa融合BiLSTM及注意力机制的隐式情感分析

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2022年第23期58卷 142-150页

作者：张军张丽沈凡凡谭海何炎祥东华理工大学信息工程学院南昌330013 东华理工大学江西省放射性地学大数据技术工程实验室南昌330013 武汉大学计算机学院武汉430072 南京审计大学计算机学院南京211815

隐式情感分析是自然语言处理的研究热点之一,由于其表达隐晦且缺少显示情感词,使得传统的文本情感分析方法不再适用。针对隐式情感分析中句子语义的隐藏情感捕捉困难问题,提出了基于RoBERTa融合双向长短期记忆网络及注意力机制的RBLA模... 详细信息

隐式情感分析是自然语言处理的研究热点之一,由于其表达隐晦且缺少显示情感词,使得传统的文本情感分析方法不再适用。针对隐式情感分析中句子语义的隐藏情感捕捉困难问题,提出了基于RoBERTa融合双向长短期记忆网络及注意力机制的RBLA模型。该模型使用RoBERTa预训练模型捕获隐式情感句中字词的语义特征,再使用双向长短期记忆网络学习句子的正反向语义信息,以捕获句子间的依赖关系,实现对文本深层次特征的提取。使用注意力机制进行情感权重计算,通过softmax函数进行归一化处理,得出隐式情感分类结果。实验结果表明,与现有的几种典型隐式情感分类模型相比较,RBLA模型在精确率、召回率和F1值上均取得了较好效果。

关键词：自然语言处理隐式情感分析 RoBERTa 注意力机制双向长短期记忆网络(BiLSTM)

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

知识指导的隐式情感分析

知识指导的隐式情感分析

作者：李齐治西华大学

学位级别：硕士

随着互联网的飞速发展,社交媒体每天都会涌现大量的用户观点、意见和情感文本数据,影响网络舆情、用户对产品的印象和商家对商品质量的评估。因此,分析文本情感可以为舆情管控、提高产品效率和商品质量提供重要参考。文本情感包括显式... 详细信息

随着互联网的飞速发展,社交媒体每天都会涌现大量的用户观点、意见和情感文本数据,影响网络舆情、用户对产品的印象和商家对商品质量的评估。因此,分析文本情感可以为舆情管控、提高产品效率和商品质量提供重要参考。文本情感包括显式情感和隐式情感。带有隐式情感的句子没有明显的情感线索,情感分析模型通常很难准确地识别其情感倾向。因此,隐式情感分析成为情感分析领域中的重要研究内容。当前,隐式情感分析方法主要存在两个缺陷:(1)由于携带隐式情感的句子没有明显的情感线索,导致基于规则的情感分析方法不能提取出文本中的情感词;基于机器学习和深度学习的方法也很难从文本中提取到情感表示。(2)一些文本情感表达是由其携带的表情符号体现的,现有的隐式情感模型将表情符号直接删除或者将其视为特殊字符处理,导致模型无法有效利用表情符号所蕴含的明显情感特征,从而使这些文本的情感倾向预测不够准确。为了解决这两个缺陷,本文提出了两种知识指导的隐式情感分析方法:(1)提出了一种基于词语定义的知识增强隐式情感分析方法(BERT model for Implicit Sentiment Analysis based on word Definitions,BISAD)。BISAD模型分别对文本和词语的定义进行编码,并通过融合层将文本表示以及词语定义的表示融合到同一个向量空间中,最后通过分类器输出最后的情感分析结果。在微博数据集与SMP2019-ECISA数据集上的实验结果表明,BISAD的性能比基线方法更好,同时也证实了所提出的词语定义和知识融合层的有效性。(2)提出了基于提示学习和emoji描述的文本情感分析方法(pre-training BERT with emojis for sentiment analysis,BEMOJI)。BEMOJI模型在预训练阶段采用提示学习,让模型根据输入的文本预测其对应的emoji描述,使得模型能够学习到文本与输入emoji之间的关联关系。在微调阶段,模型分别对输入文本与emoji描述进行表示,并使用知识融合层融合两种不同的嵌入,最后送入分类器中输出最后的结果。在中文与英文数据集上的实验结果表明,BEMOJI能够更好地分析带有emoji文本的情感,证实了提出的预训练方法与知识融合方法的有效性。

关键词：隐式情感分析知识指导词语定义 emoji描述提示学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征融合的中文隐式情感分析方法研究

基于特征融合的中文隐式情感分析方法研究

作者：肖宇航武汉邮电科学研究院

学位级别：硕士

随着移动互联网的快速发展,针对社会实事,社交平台上会出现大量的议论,这些议论文本存在数量大、话题多、结构口语化和语义信息不足的特点,特别是一些隐式情感语句,会存在暗讽、反话等语言方式,其情感特征并不明显,这些特点对传统的情... 详细信息

随着移动互联网的快速发展,针对社会实事,社交平台上会出现大量的议论,这些议论文本存在数量大、话题多、结构口语化和语义信息不足的特点,特别是一些隐式情感语句,会存在暗讽、反话等语言方式,其情感特征并不明显,这些特点对传统的情感分析方法提出了较大的挑战,实验表明,单纯的文本序列信息无法满足隐式情感分析的需要。本文主要围绕着隐性情感的极性判别任务,在传统的仅仅依靠序列特征进行分类的基础上,通过引入语法结构和上下文信息,使二维的文本序列转变为高维的图结构,将文本映射为一张文本图,通过图神经网络进行图分类来实现对原始文本信息的分类。主要研究内容如下:(1)引入序列信息和依存句法信息的特征融合网络研究:本文提出了一种将文本序列特征和语法结构特征融合的网络(SDNN),对文本序列信息和句法信息进行抽提取,并在构建文本图表示过程中加以体现,最终通过对文本图的分类来实现对情感极性的分类。(2)引入上下文信息的特征融合网络研究:本文在SDNN的基础上,进一步融合了上下文文本特征,并以此提出了将三种特征融合的网络(CDHNN),通过模型将上下文信息也引入到图表示中,并最终来实现对情感极性的分类。(3)基于微博舆论分析方法的设计与验证:本文为了进一步验证所提出模型在实际应用中的有效性,提出了一种对微博舆论情感进行判别的方法,并将本文所提模型带入此方法,以验证模型的实际可用性。本文在SMP-ECISA2019竞赛所提供的隐式情感分析数据集上进行实验,以验证本文所提出模型的有效性,以BERT+LSTM做为基线模型,SDNN模型的准确率提升了1.6%,CHDNN模型的准确率提升了3.3%,可以看出,本文提出的基于特征融合的模型能有效提高隐性情感的发掘能力。

关键词：隐式情感分析序列特征句法结构特征上下文特征图神经网络

事件信息驱动的基于深度学习的隐式情感分析研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

事件信息驱动的基于深度学习的隐式情感分析研究

作者：王佳楠东南大学

学位级别：硕士

情感分析旨在发现给定文本具有的情感极性,它将有助于电商平台为用户提供个性化的服务、优化企业的产品策略以及社会舆情管理。根据是否包含明显的情感词这一标准,情感分析任务可分为显式情感分析和隐式情感分析。目前,大多数情感分析... 详细信息

情感分析旨在发现给定文本具有的情感极性,它将有助于电商平台为用户提供个性化的服务、优化企业的产品策略以及社会舆情管理。根据是否包含明显的情感词这一标准,情感分析任务可分为显式情感分析和隐式情感分析。目前,大多数情感分析方法集中在显式情感分析上。然而,在日常生活中,人们会采用客观陈述或者修辞方式来隐式地表达自己的情感。隐式情感分析是情感分析的重要组成部分,发掘文本中的隐含情感,可以避免对用户情绪产生误判、或制定不恰当的产品策略,进一步促进情感分析相关领域的应用和产业的快速发展。目前的隐式情感分析方法主要可以分为两类,基于隐喻的隐式情感分析和以事件为中心的隐式情感分析。然而,前者使用隐喻词典的做法过度简化了隐式情感分析;后者虽然强调了事件的重要性,但并未显式建模事件信息,导致隐式情感分析无法充分地利用事件信息。因此,本文围绕事件信息驱动的隐式情感分析展开研究,基于深度学习技术,显式地引入事件信息,主要工作如下:1.针对现有普通情感分析数据集和隐式情感分析数据集缺乏事件信息标注的问题,基于FrameNet语义词典构建了标注事件信息的隐式情感分析数据集EveSA,每条文本数据含有以下三类标注信息:事件三元组,事件类型标签,以及情感极性标签。2.针对事件信息驱动的隐式情感分析问题,提出一种基于事件表示学习的隐式情感分析方法PipISA,对事件进行显式建模,将句子中的事件三元组通过张量组合机制进行融合,计算出事件表示,基于此事件表示,结合句子进行隐式情感分析。同时,引入多任务学习的训练框架进行事件分类和情感分类的联合学习,并通过约束隐空间中文本表示与事件表示的距离,使模型进一步关注事件蕴含的情感。实验结果显示,在本文提出的数据集EveSA和公开数据集上,PipISA模型的表现优于其他对比方法。3.针对PipISA方法依赖标注的事件三元组或其他方法抽取出的事件三元组的问题,提出一种基于多任务学习的隐式情感分析方法EEISA。使用微调的BERT模型同时进行事件三元组的抽取、事件分类与情感分析这三种任务,通过多任务学习的参数共享,使得隐式情感分析任务得到事件信息的辅助,从而提高情感分类性能。实验结果表明,EEISA方法与句子级别的情感分类方法相比,实现了准确率上1%的提升,与PipISA方法相比,取得了相近的性能。

关键词：隐式情感分析事件抽取事件表示

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多特征融合的中文隐式情感分析

多特征融合的中文隐式情感分析

作者：韩路之海南大学

学位级别：硕士

情感分析是自然语言处理领域的重要应用之一。根据表达层面是否含有显式情感词,情感分析可分为显式情感分析和隐式情感分析。显式情感分析是情感分析的基础,已经得到广泛研究和应用,而隐式情感分析则是近年来备受关注的新兴研究方向。... 详细信息

情感分析是自然语言处理领域的重要应用之一。根据表达层面是否含有显式情感词,情感分析可分为显式情感分析和隐式情感分析。显式情感分析是情感分析的基础,已经得到广泛研究和应用,而隐式情感分析则是近年来备受关注的新兴研究方向。隐式情感句不包含明显的情感词汇,用词相对客观中立,情感表达更为含蓄委婉,因此传统的情感分析模型难以有效地识别隐式情感。本文针对隐式情感分析任务所面临的难点和特点,主要做了以下工作:(1)提出了一种专注于情感分析领域的预训练语言模型Senti-Bert,并使用半监督方式在自制情感数据语料上进行二次预训练。相较于原生Bert,Senti-Bert优化了训练任务和模型结构。将Next Sentence Prediction任务更改为情感类别任务,提升底层信息提取能力和数据集利用率。同时Senti-Bert的模型参数更少,规模更小,解决了数据集和模型规模不匹配的问题。实验结果表明,在隐式情感分析任务中相比基于原生Bert的模型提升了1%-2%的效果。(2)提出了一种多特征融合的隐式情感分析模型ECISA-MFF。该模型在SentiBert的基础上,结合多特征提取方法和基于外积的特征融合策略。针对隐式情感句的特点,区分目标句和上下文语句,先使用Senti-Bert进行底层词向量表征,再使用不同的神经网络提取多种不同的特征。对于目标句,采用卷积神经网络对局部特征进行提取,同时采用门限循环单元获取语句的时序特征。对于上下文语句,使用双向门控循环单元和注意力机制提取上下文内容的情感特征。最后将提取的三种特征进行外积融合,该特征融合策略能够充分融合多特征信息,在有效保留局部单一特征的同时,加入全局融合特征信息,从而解决多特征直接拼接导致的过拟合现象。通过实验表明ECISA-MFF模型在隐式情感分析任务中具有优秀的效果。(3)提出了一种多任务多特征的隐式情感分析模型CISA-MTMF。该模型在ECISA-MFF模型的基础上增加了是否为隐式情感句的判别任务,利用多任务有效防止过拟合的同时,兼具完成是否为隐式情感句的判别任务,同时能有效提升制作隐式情感分析数据集的效率。在公开数据集SMP2019-ECISA隐式情感分析数据集上,本研究提出的模型取得了F1值为0.874的表现,显著高于文献中的基准模型。也高于SMP2021-ECISA任务中的最佳模型效果,证明其在隐式情感分析任务中的有效性。

关键词：自然语言处理隐式情感分析深度学习多特征融合多任务

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多语言粒度的上下文隐式情感分析研究

多语言粒度的上下文隐式情感分析研究

作者：韩煜南京信息工程大学

学位级别：硕士

近年来互联网的高速发展,在各个平台上涌现出很多不含情感词但仍明确表达出情感极性的评论,对这些评论的研究被称为隐式情感分析,它能促进商品销售、舆论分析等工作,因此开展隐式情感分析研究是有必要的。本文基于深度学习,从单词、句... 详细信息

近年来互联网的高速发展,在各个平台上涌现出很多不含情感词但仍明确表达出情感极性的评论,对这些评论的研究被称为隐式情感分析,它能促进商品销售、舆论分析等工作,因此开展隐式情感分析研究是有必要的。本文基于深度学习,从单词、句子和篇章三个语言粒度逐级深入构建模型,解决如何准确提取上下文中隐式情感特征的问题。具体工作和创新如下:(1)现有方面级隐式情感分析模型在预训练过程中丢失方面词信息,同时不能准确提取深层特征信息。针对这些问题,本文提出融合深度双向门控循环单元及语境感知注意力机制的方面词感知BERT(DCAB)模型。该模型首先构建方面词感知BERT,生成与方面词相关的动态词向量,将其输入到DBGRU进行编码,再构造语境感知注意力机制提取了上下文中与给定方面词相关的深层特征信息。实验表明DCAB在数据集Rest＿ISE和Lap＿ISE上相比最优基线模型BBA准确率分别提升了2.60%和1.28%。(2)尽管DCAB模型避免了在预训练过程中丢失方面词信息以及较为准确地提取了深层特征信息,但在它在句子层面未能准确提取上下文语义和句法结构信息,也不能同时捕捉词句粒度信息。针对这些问题,本文提出基于语境Ro BERTa与双注意力图卷积网络的多任务学习(CRBGM)模型。该模型首先构造了语境Ro BERTa模型提取重要的语义特征;再用GCN提取依存树上的句法结构信息;用双层注意力机制提取单词和句子层面中的隐式特征信息。实验表明CRBGM在数据集VUA-E、Tro Fi-E和MOH-E中较最优基线模型BBGAM准确率提升了3.07%、2.57%和1.81%。(3)尽管CRBGM模型较为准确地提取了语义和句法结构信息以及同时捕捉了词句信息,但在它在篇章层面不能充分提取上下文句子中不同情感极性的特征信息,也没有考虑到全局信息所包含的情感特征。针对这些问题,本文提出基于语境多极性正交注意力机制的层次网络(CMAIM)模型。该模型使用BERT预训练模型和Bi LSTM编码器,采用语境多极性正交注意力机制捕捉目标句和上下文句中与三种情感极性相关的句子级特征信息;最后采用情感注意力机制捕捉篇章中的全局语义信息。实验表明CMAIM在数据集VUA-E、Tro Fi-E和MOH-E中较最优基线模型MPOA准确率提升了1.07%、2.98%和1.29%。

关键词：隐式情感分析语言粒度深度学习上下文信息注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

结合语言学特征的隐式情感分析

结合语言学特征的隐式情感分析

作者：陆靓倩苏州大学

学位级别：硕士

情感分析是自然语言处理中的热点研究方向,隐式情感分析是指无显式情感词的情感分析任务。隐式情感分析面临缺乏显式情感词、表达方式委婉、语义难以理解等问题,传统的情感分析方法如情感词典、词袋模型等难以生效,使得隐式情感分类任... 详细信息

情感分析是自然语言处理中的热点研究方向,隐式情感分析是指无显式情感词的情感分析任务。隐式情感分析面临缺乏显式情感词、表达方式委婉、语义难以理解等问题,传统的情感分析方法如情感词典、词袋模型等难以生效,使得隐式情感分类任务更加艰巨。本文从语言学特征的角度,通过结合三种不同的隐式情感分类方法深入探讨不同种类语言学特征对于隐式情感分析的影响,具体包括如下三个方面:首先,针对隐式情感分析情感表达晦涩、主观性较强等难点,本文在特征表示的方面,通过不同种类的文本表示模型从不同角度获取文本表示的情感信息。一方面,该方法能够采用TextCNN、LSTM、BERT分别捕获句子不同粒度的文本特征,弥补了隐式情感句语义难以理解的问题。另一方面,该方法能够生成词性嵌入和句法嵌入,在语义特征中进一步融合词性特征和句法特征。实验结果表明,该方法提出的模型相比baseline在准确率和F1值上分别提高了 2.3%和2.8%,融合不同粒度的文本特征的模型表现优于单一的文本特征的模型,且融合语言学特征能够进一步优化模型分类效果。其次,针对隐式情感句缺乏显式情感词作为情感线索的问题,本文基于注意力机制深入分析不同语言学特征对于隐式情感分析的影响,提出了一种结合预训练语言模型和注意力机制的隐式情感分类方法。该方法通过依存句法关系为注意力机制生成掩码矩阵,从而在注意力机制中融合句法特征,使模型更加关注与情感表达关系密切的句法成分。实验结果表明,该方法提出的模型相比基线模型在准确率和F1值上分别提高了 1.7%和1.8%,能够提高模型对重要词性和句法的关注度,从而提升隐式情感分类的性能。最后,针对句法信息对于隐式情感分析影响的问题,本文提出了一种结合文本与依存关系的图神经网络模型来进行隐式情感分类。该模型能够抽取文本的词性特征和依存特征,构建结合语言学特征的图注意力神经网络。由于预训练语言模型在隐式情感分类任务中表现突出,本文采用BERT模型提取文本向量特征,并进一步对其进行改进,以增加词性特征。实验结果表明,该方法提出的模型相比基线模型在准确率和F1值上分别提高了 1.5%和2.3%,能够充分利用词性特征和依存句法特征,并提高模型对隐式情感句的识别能力。

关键词：隐式情感分析词性标注依存分析 BERT 语言学特征