期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于细粒度图像-方面的情感增强方面级情感分析
1
作者 余本功 陈明玥 《计算机应用研究》 北大核心 2025年第4期1073-1079,共7页
为了缩小模态间的异质性差异并缓解多个方面词带来的情感混淆,提出一种基于细粒度图像-方面的情感增强多模态方面级情感分析。具体地,该模型经过文本图像编码后,首先利用形容词-名词对将与方面词相关的图像信息加入到文本方面词中,并通... 为了缩小模态间的异质性差异并缓解多个方面词带来的情感混淆,提出一种基于细粒度图像-方面的情感增强多模态方面级情感分析。具体地,该模型经过文本图像编码后,首先利用形容词-名词对将与方面词相关的图像信息加入到文本方面词中,并通过细粒度图像-方面跨模态注意力机制优化图像表征,得到细粒度方面词-图像特征;接着,基于句法结构引入情感得分,得到基于方面词的文本情感特征;最后,进行模态融合得到最终情感预测结果。在Twitter-2015和Twitter-2017数据集上,与基线模型TMSC相比,提出模型值准确率分别提高了0.25百分点和0.16百分点,充分证明了细粒度的图文匹配和情感增强操作有助于提高分类效果。 展开更多
关键词 多模态方面级情感分析 形容词-名词对 跨模态注意力机制 情感分数 模态融合
在线阅读 下载PDF
基于文本和图像门控融合机制的多模态方面级情感分析
2
作者 张添植 周刚 +2 位作者 刘洪波 刘铄 陈静 《计算机科学》 CSCD 北大核心 2024年第9期242-249,共8页
多模态方面级情感分析是多模态情感分析领域的一项新兴任务,旨在对给定的方面实体在文本和图像中所体现的情感进行识别。尽管多模态方面级情感分析研究近年来取得了突破性的进展,但是现有的模型在多模态特征融合阶段大都仅采用简单的拼... 多模态方面级情感分析是多模态情感分析领域的一项新兴任务,旨在对给定的方面实体在文本和图像中所体现的情感进行识别。尽管多模态方面级情感分析研究近年来取得了突破性的进展,但是现有的模型在多模态特征融合阶段大都仅采用简单的拼接方法,而没有考虑图像中是否存在与文本语义不相关的信息,这在一定程度上可能会为模型引入额外的噪声。为了解决上述问题,提出了一种基于文本和图像门控融合机制的多模态方面级情感分析模型(TIGFM)。该模型在文本和图像进行交互的同时引入了从数据集图像中提取的形容词-名词对(ANPs),并将其中形容词的加权作为图像辅助信息;此外,在特征融合阶段,通过构建一种动态控制图像和图像辅助信息输入的门控机制实现多模态特征融合。实验结果表明,TIGFM模型在两个基于Twitter的数据集上取得了具有竞争力的结果,进而验证了所提方法的有效性。 展开更多
关键词 多模态方面级情感分析 门控融合机制 形容词-名词对 图像辅助信息 语义相关性
在线阅读 下载PDF
中国英语学习者形名搭配习得过程中概念正向迁移的实证研究 被引量:5
3
作者 赵雪琴 张俊怡 《外语研究》 CSSCI 北大核心 2022年第1期65-73,78,112,共11页
自20世纪50年代Firth首次提出“搭配”一词,学者们从二语习得的不同角度对其进行了大量研究。然而,大多数研究都聚焦于描述学习者的搭配表现,但关于是什么原因导致搭配习得滞后,目前还缺乏清晰研究。本文旨在考察概念正向迁移是否会抑... 自20世纪50年代Firth首次提出“搭配”一词,学者们从二语习得的不同角度对其进行了大量研究。然而,大多数研究都聚焦于描述学习者的搭配表现,但关于是什么原因导致搭配习得滞后,目前还缺乏清晰研究。本文旨在考察概念正向迁移是否会抑制中国英语学习者对形容词-名词搭配的习得,并进一步探讨概念正向迁移是否会随着英语水平的提高而减弱。研究先后采用了语料库研究和联想启动实验。结果显示:(1)由名词联想形容词时,汉语母语者倾向于空间性思维,而英语母语者倾向于时间性思维;(2)概念正向迁移抑制了中国英语学习者对形容词-名词搭配的习得;(3)概念正向迁移不会随着英语水平的提高而减弱。 展开更多
关键词 形容词-名词搭配 概念正向迁移 中国英语学习者 英语水平 二语习得
在线阅读 下载PDF
基于跨模态交互Transformer的多模态方面级情感分析
4
作者 甘卓浩 缪裕青 +2 位作者 刘同来 张万桢 周明 《计算机应用研究》 2025年第9期2707-2713,共7页
针对现有多模态方面级情感分析模型存在的视觉信息提取不充分和方面情感语义缺失问题,提出一种基于跨模态交互Transformer的多模态方面级情感分析模型。该模型通过文本语义增强模块融合图像标题与原始文本以弥补情感语义缺失;利用依存... 针对现有多模态方面级情感分析模型存在的视觉信息提取不充分和方面情感语义缺失问题,提出一种基于跨模态交互Transformer的多模态方面级情感分析模型。该模型通过文本语义增强模块融合图像标题与原始文本以弥补情感语义缺失;利用依存句法分析与图卷积网络构建方面感知特征提取模块,捕获方面项与观点词间的长距离依赖;设计跨模态特征交互模块,结合top-n形容词-名词对分布约束策略及多模态融合Transfor-mer,实现图像与文本特征的深层交互。在Twitter-2015、Twitter-2017和ZOL三个数据集上的实验结果表明,CMIT模型在准确率和宏平均F 1值上均优于多个基准模型,验证了其有效性和泛化能力。 展开更多
关键词 多模态方面级情感分析 跨模态交互 Transformer 图卷积网络 形容词-名词对
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部