-
题名融合大语言模型和数据增强的文本情感分类模型研究
被引量：1
- 1
-
-
作者
杨巍
肖强
-
机构
浙江财经大学
杭州网易云音乐科技有限公司
-
出处
《情报杂志》
北大核心
2025年第8期172-179,197,共9页
-
文摘
[研究目的]探索应用大语言模型(LLMs)的内容理解能力和生成能力,提升现有情感分类模型的准确性。[研究方法]提出了融合LLMs内容理解能力和生成能力的文本情感分类模型LLMGen4Sent,以深入挖掘文本所蕴含的情感内涵,并通过增强数据和对比学习技术,提升样本的多样性和情感语义表征准确性。[研究结果/结论]实验结果表明,LLMGen4Sent在ChnSentiCorp和IMDB数据集上均取得了优异的性能;相对TextCNN模型,ACC准确率提升了12.22%、12.99%;相对Bert模型,ACC准确率提升了5.72%、5.88%;同时,通过消融实验也论证了LLMGen4Sent模型中各个模块的有效性。LLMGen4Sent模型能够有效捕捉文本的深层情感特征,并通过生成式数据增强技术和对比学习技术显著提高现有文本情感分类模型的准确性。
-
关键词
情感分类模型
大语言模型
内容理解
数据增强
LLMGen4Sent
-
Keywords
sentiment classification models
large language models
content understanding
data augmentation
LLMGen4Sent
-
分类号
G251
[文化科学—图书馆学]
-
-
题名基于复杂句式短文本情感分类研究
被引量：2
- 2
-
-
作者
李毅捷
段利国
李爱萍
-
机构
太原理工大学计算机科学与技术学院
武汉大学软件工程国家重点实验室
-
出处
《现代电子技术》
北大核心
2018年第22期182-186,共5页
-
基金
武汉大学软件工程国家重点实验室开放课题(SKLSE2012-09-30)
山西省自然科学基金资助项目(2013011015-2)~~
-
文摘
目前,网络文本中主观内容的情感倾向性识别成为文本信息处理的研究热点。针对汉语中复杂句式的结构特点以及对多种复杂句式的有效分析,基于word2vec进行情感词典的扩建,将扩充后的情感词典、关联词表、否定词表进行特征提取,得到有效的特征词序列,构建新的复杂句式模型并结合SVM进行训练和预测,完成复杂句式情感分类。实验结果表明,提出的复杂句式情感分类模型在处理精度方面比传统的句子级情感分类方法有了明显的提高,获得良好的情感分析效果。
-
关键词
文本信息处理
情感分析
复杂句式
word2vec
情感分类模型
SVM
-
Keywords
text information processing
sentiment analysis
complex sentence patterns
word2vec
sentiment classification model
SVM
-
分类号
TN911-34
[电子电信—通信与信息系统]
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于复杂句式的文本情感倾向性分析
被引量：4
- 3
-
-
作者
邸鹏
段利国
-
机构
太原理工大学计算机科学与技术学院
武汉大学软件工程国家重点实验室
-
出处
《计算机应用与软件》
CSCD
2015年第11期57-61,共5页
-
基金
国家重点实验室开放课题项目(SKLSE2012-09-30)
山西省自然科学基金项目(2013011015-2)
太原理工大学学科建设专项项目
-
文摘
在文本的情感倾向性研究中缺乏对多种复杂句式的有效分析,而复杂句式中多种情感共现的特点使得传统的情感分类器对复杂句式的情感分析效率不高,所以提出一种新的可以对复杂句式进行有效情感分析的情感分类模型。该模型充分分析了汉语中复杂句式的结构特点,通过已有资源构建中文情感词典、关联词表、否定词表,并提出了一种复杂句式模型来匹配各种复杂句式。最后将该复杂句模与朴素贝叶斯分类器相结合,得到新的针对复杂句式的情感分类模型。在实验中,新的情感分类模型在准确率、召回率、F值上都比传统的情感分类器有了明显的提高。实验证明该模型能更好的分析各种复杂句式的情感。
-
关键词
情感倾向性
复杂句式
情感分类模型
朴素贝叶斯
-
Keywords
Sentiment polarity
Complex sentence
Sentiment classification model
Naive Bayes
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
