-
题名基于监督对比学习的文本情绪类别表示
- 1
-
-
作者
王祥宇
宗成庆
-
机构
模式识别国家重点实验室(中国科学院自动化研究所)
中国科学院大学人工智能学院
-
出处
《软件学报》
EI
CSCD
北大核心
2024年第10期4794-4805,共12页
-
文摘
揭示情绪之间的关系是认知心理学的一项重要基础研究.从自然语言处理的角度来说,探讨情绪之间的关系的关键在于得到合适的情绪类别的嵌入式表示.最近,在情感空间中获得一个可以表征情绪关系的类别表示已经引起了一些关注.然而,现有的情绪类别嵌入方法存在以下几个缺点.比如固定维度,情绪类别表示的维度依赖于所选定的数据集.为了取得一个更好的情绪类别表示,引入监督对比学习的表示方法.在之前的监督对比学习方法中,样本之间的相似性取决于样本所标注的标签的相似性.为了更好地反映出不同情绪类别之间的复杂关系,进一步提出部分相似的监督对比学习表示方法,认为不同情绪类别(比如情绪anger和annoyance)的样本之间也可能是部分相似的.最后,组织一系列实验来验证所提方法以及其他5个基准方法在表述情绪类别之间关系的能力.实验结果表明,所提方法取得了理想的情绪类别表示结果.
-
关键词
情感分析
情绪表示
情绪空间
情绪类别
-
Keywords
sentiment analysis
emotion representation
emotion space
emotion category
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名融合情绪知识的案件微博评论情绪分类
被引量：14
- 2
-
-
作者
郭贤伟
赖华
余正涛
高盛祥
相艳
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省人工智能实验室
-
出处
《计算机学报》
EI
CSCD
北大核心
2021年第3期564-578,共15页
-
基金
国家重点研发计划(2018YFC0830105)
云南省高新技术产业专项(201606)
国家自然科学基金(61972186)资助。
-
文摘
案件微博评论的情绪分类是一个特定领域的情感多分类任务,旨在快速有效地识别海量评论中的情绪,有助于相关部门及时评估舆情风险和制定相关政策.由于传统方法难以有效利用评论中常用的情绪词和表情符号等情绪知识,本文提出一种融合情绪知识的案件微博评论情绪分类方法.首先,整合现有的情感计算资源构建了一个包含案件微博情绪词典、表情符号、网络用语、否定词及程度副词等的情绪知识库.其次,考虑情绪知识库和词性的作用定义了15种情绪知识,通过提出的连续向量表示方法构建评论的情绪知识表示.然后将评论的语义表示和情绪知识表示分别输入一个语义初始化滤波器的卷积神经网络(INIT-CNN)和一个结合注意力机制的全连接网络中,得到深层的语义特征向量和情绪知识表示的注意力特征向量.最后,将两个特征向量进行拼接以融合语义特征和情绪知识特征,训练一个情绪分类模型,称为EK-INIT-CNN(Emotional knowledge enhanced INIT-CNN).在案件微博评论数据集上的实验表明,相比INIT-CNN,EK-INIT-CNN的Macro_Precision、Macro_Recall和Macro_F1指标分别提升了1.87%、1.95%和1.88%.EK-INIT-CNN在NLPCC中文微博情绪分析评测数据集上的性能则超过了目前已知文献中的最好结果.实验证明,该方法能有效地融入外部情绪知识,且相对传统方法在情绪分类任务上具有明显的优势.
-
关键词
案件微博评论
情绪知识表示
卷积神经网络
注意力机制
情绪分类
-
Keywords
case-related microblog comments
emotional knowledge representation
convolutional neural network
attention mechanism
emotion classification
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
