-
题名基于双通道胶囊网络特征融合的中文隐式情感分析
- 1
-
-
作者
候晨蕾
段利国
张虎
李爱萍
郝晓燕
-
机构
太原理工大学信息与计算机学院
-
出处
《中文信息学报》
2025年第8期117-127,共11页
-
基金
国家自然科学基金(62176145)
山西省科技厅省基础研究计划项目(201801D121137)。
-
文摘
文本情感分析作为自然语言处理的热门研究方向之一,在显式情感分析方面已取得了很多突破,而隐式情感方面的分析研究则相较缺乏。针对单一词向量输入无法充分表达文本语义的问题,该文采用CNN和BiLSTM混合神经网络提取文本的语义特征,同时将字、词、语义不同层级的特征通过双通道胶囊网络(Capsule Network)进行自主学习,随后输入交互注意力层进行融合。由实验结果可知,该文提出的模型在SMP2019_ECISA数据集上的准确率为84.83%,macro-F1值为82.76%,同时在对比实验中也取得了较好的效果,充分体现了该文模型的有效性。
-
关键词
中文隐式情感分析
双通道胶囊网络
多层级特征融合
RoBERTa
-
Keywords
Chinese implicit sentiment analysis
dual-channel capsule network
multi-level feature fusion
RoBERTa
-
分类号
TP391
[自动化与计算机技术]
-
-
题名一种融合上下文特征的中文隐式情感分类模型
被引量：14
- 2
-
-
作者
潘东行
袁景凌
李琳
盛德明
-
机构
武汉理工大学计算机科学与技术学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2020年第2期341-350,共10页
-
基金
国家社会科学基金(15BGL048)。
-
文摘
对网络上海量的文本数据进行情感分析,可以更好地挖掘网民行为规律、帮助决策机构了解舆情倾向和改善商家服务质量。在实际表达中,人们除了采用带有明显情感词的主观表达外,还采用含蓄的方式表达自己的主观倾向。带有显式情感词的文本情感分析作为自然语言处理领域的基础性研究任务,已经取得了丰富的研究成果。然而,针对隐式文本的情感分析技术还处于起步阶段。与显式情感分析任务相比,隐式情感分类任务更加困难。隐式表达文本具有中立性表达、缺乏情感词和上下文依赖的特点,使得传统的文本分类方法不再适用。针对以上问题,采用word2vec词嵌入技术提取文本特征,分别进行了基于TextCNN、LSTM和BiGRU分类模型的研究。在各个深度分类模型研究基础上,还进行了融合注意力机制的分类模型研究。针对隐式表达对上下文内容依赖的特点,设计了一种融合上下文语义特征和注意力机制的分类模型,增强了部分中立性隐式表达句的分类效果。最后在SMP2019公开数据集上进行了实验,取得了比上述几种基础深度网络模型与融合注意力机制分类模型更好的分类效果。
-
关键词
中文隐式情感分析
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 analysis
convolutional neural network
recurrent neural network
contextual feature
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
