题名 基于情感特征增强的中文隐式情感分类模型
被引量：2
1
作者
谈光璞 朱广丽 韦斯羽
机构
安徽理工大学计算机科学与工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2024年第3期196-204,共9页
基金
国家自然科学基金面上项目(62076006) 安徽省高校协同创新项目(GXXT-2021-008)。
文摘
隐式情感句子由于缺乏显式情感词并且其语义特征无法深入挖掘,导致现有模型进行情感分类时准确率不高。针对这一现状,提出一种基于情感特征增强的中文隐式情感分类模型(CISC),通过构建积极和消极情感词库,并将情感词进行位置嵌入得到情感特征增强的句子,进而提高分类准确率。对句子进行预处理得到对应的词语序列;通过自注意力机制的情感词检测方法进行句子情感词定位并分别嵌入积极和消极词,借助多层注意力网络得到对应的正向和负向的句子表示;分别将获取到的句子表示通过Bi-GRU模型和交互注意力机制(attention over attention,AOA)提取出对应的语义特征;将语义特征分别通过Softmax进行情感倾向概率计算,通过融入积极词的句子正向情感概率与融入消极词句子的负向情感概率进行均值计算并比较,得到最终的情感倾向。与EBA、GGBA等多种模型在SMP-ECISA2019公开数据集进行了比对实验,实验结果证明,提出的CISC模型可以提高中文隐式情感文本的分类效果。
关键词
隐式情感 情感分类 情感词 特征增强 语义特征
Keywords
implicit sentiment sentiment classification sentiment wordfeature enhancement semantic featu
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于双重多视角表示的目标级隐性情感分类
被引量：2
2
作者
崔蒙蒙 刘井平 阮彤 宋雨秋 杜渂
机构
华东理工大学信息科学与工程学院 迪爱斯信息技术股份有限公司
出处
《计算机工程》
CSCD
北大核心
2024年第1期79-90,共12页
基金
国家重点研发计划(2021YFC2701800,2021YFC2701801) 上海市促进产业高质量发展专项资金(2021-GZL-RGZN-01018)。
文摘
目标级隐性情感分类是自然语言处理中一项重要的情感分析任务。目前多数研究主要侧重于对上下文感知的目标进行建模,且建模信息源较为单一,难以充分捕获到目标词在文本中的隐性情感。针对该问题,提出基于双重多视角表示学习的目标级隐性情感分类方法,采用3种视角对目标和输入文本进行建模,分别设计文本自身的表示学习、图视角下的表示学习以及外部知识视角下的表示学习,并通过卷积神经网络将3种视角下的表示进行深度融合。此外,同时采用上述3种视角对目标进行表示学习,将文本的语义表示和目标的语义表示相结合,并输入到情感极性分类器中。在5个公共数据集上进行实验并与8个基线模型的对比结果表明,该方法性能达到了最优水平,在News MTSC-mt和News MTSC-rw隐性情感分析数据集上的F1_m值分别比最好模型提高1.0%和2.6%,在Laptop14、Restaurant14和Twitter显性情感分析数据集上的F1_m值分别比最好模型提高3.6%、1.4%和1.6%。
关键词
目标级隐性情感分类 自然语言处理 情感分析 双重多视角 表示学习
Keywords
target-level implicit sentiment classification natural language processing sentiment analysisdual multiview representation learning
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
题名 基于时序和上下文特征的中文隐式情感分类模型
被引量：7
3
作者
袁景凌 丁远远 潘东行 李琳
机构
武汉理工大学计算机科学与技术学院 中国建设银行股份有限公司运营数据中心
出处
《计算机应用》
CSCD
北大核心
2021年第10期2820-2828,共9页
基金
国家社会科学基金资助项目(15BGL048)。
文摘
对社交网络上的海量文本信息进行情感分析可以更好地挖掘网民行为规律,从而帮助决策机构了解舆情倾向以及帮助商家改善服务质量。由于不存在关键情感特征、表达载体形式和文化习俗等因素的影响,中文隐式情感分类任务比其他语言更加困难。已有的中文隐式情感分类方法以卷积神经网络(CNN)为主,这些方法存在着无法获取词语的时序信息和在隐式情感判别中未合理利用上下文情感特征的缺陷。为了解决以上问题,采用门控卷积神经网络(GCNN)提取隐式情感句的局部重要信息,采用门控循环单元(GRU)网络增强特征的时序信息;而在隐式情感句的上下文特征处理上,采用双向门控循环单元(BiGRU)+注意力机制(Attention)的组合提取重要情感特征;在获得两种特征后,通过融合层将上下文重要特征融入到隐式情感判别中;最后得到的融合时序和上下文特征的中文隐式情感分类模型被命名为GGBA。在隐式情感分析评测数据集上进行实验,结果表明所提出的GGBA模型在宏平均准确率上比普通的文本CNN即TextCNN提高了3.72%、比GRU提高了2.57%、比中断循环神经网络(DRNN)提高了1.90%,由此可见,GGBA模型在隐式情感分析任务中比基础模型获得了更好的分类性能。
关键词
中文隐式情感分类 卷积神经网络 循环神经网络 上下文特征 注意力机制
Keywords
Chinese implicit sentiment classification Convolutional Neural Network(CNN) Recurrent Neural Network(RNN) contextual feature attention mechanism
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
题名 文本细粒度情感分析综述
被引量：7
4
作者
王海燕 陶皖 余玲艳 王鸣鹃
机构
安徽工程大学机械工程学院 安徽工程大学计算机与信息学院
出处
《河南科技学院学报（自然科学版）》
2021年第4期67-76,共10页
基金
安徽省教育厅自然科学重点项目(KJ2019A0158) 安徽工程大学校级科研项目(Xjky0192019014) 安徽工程大学校级科研项目(Xjky0192019018)。
文摘
对情感分析的研究进展进行了介绍和总结,从粗粒度情感分析到细粒度情感分析的发展过程,重点阐述了细粒度情感分析的目标、方法、技术等.归纳出了细粒度情感分析任务中的两个核心问题:属性抽取和属性情感分类.属性抽取可分为“属性分类识别”和“属性词抽取”,属性识别的任务是对评论句中属性词进行分类.属性词抽取是对评论句中属性词进行抽取.属性情感分类是对评论句中属性词进行情感极性判断.随后对细粒度情感分析的技术难点进行了阐述,包括评论文本不规范、隐式情感难提取等.最后总结了细粒度情感分析在未来的重点研究方向是跨学科研究.
关键词
细粒度情感分析 情感分类 属性抽取 隐式情感
Keywords
fine-grained sentiment analysis sentiment classification attribute extraction implicit emotion
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
题名 结合多种语言学特征的中文隐式情感分类
被引量：5
5
作者
陆靓倩 王中卿 周国栋
机构
苏州大学计算机科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2023年第12期255-261,共7页
基金
国家自然科学基金(62076175,61976146)。
文摘
情感分析一直是自然语言处理中的热点研究方向,隐式情感分类指无显式情感词的情感分类任务,目前,隐式情感分析还处于起步阶段。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。针对以上问题,提出了一种结合文本、词性与依存关系的图神经网络模型来进行隐式情感分类。具体来说,模型首先抽取文本的词性和依存特征,然后使用预训练语言模型BERT提取文本向量特征,从而构建了一个基于多种语言学特征的图注意力神经网络。该模型在SMP2021隐式情感识别公开数据集上进行了多次实验。实验结果表明,相较于多种基线模型,所提模型取得了较好的分类效果,证实了所提出的融合了多种语言学特征的隐式情感分类方法具有可行性和有效性。
关键词
隐式情感分类 词性标注 依存分析 图模型 BERT 语言学特征
Keywords
implicit sentiment classification Part-of-speech tagging Dependency analysis Graph model BERT Linguistic features
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 文本情感分类方法研究综述
被引量：4
6
作者
张华辉 邱晓莹 徐航
机构
莆田学院新工科产业学院 莆田学院机电与信息工程学院
出处
《延边大学学报（自然科学版）》
CAS
2023年第3期275-282,共8页
基金
国家自然科学基金(62103209) 福建省自然科学基金(2020J05213) 福建省中青年教师教育科研项目(JAT220298)。
文摘
文本情感分类方法在网络舆情、股票预测等诸多方面有着广泛的应用.为了更好地研究文本情感分类方法,对近年来基于情感词典的文本分类方法、机器学习的文本分类方法、深度学习的文本分类方法以及方面级文本分类方法、隐式文本情感分类方法、跨域文本情感分类方法的相关文献进行了梳理和综述,并对文本情感分类方法的研究方向进行了展望.
关键词
文本情感分类 情感词典 机器学习 深度学习 隐式文本 跨域文本 方面级文本
Keywords
text sentiment classification sentiment dictionarymachine learning deep learning implicit textcross-domain text aspect level text
分类号
TP391
[自动化与计算机技术—计算机应用技术]
