期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
文本倾向性分析综述 被引量:18
1
作者 厉小军 戴霖 +1 位作者 施寒潇 黄琦 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2011年第7期1167-1174,1186,共9页
介绍文本倾向性分析的基本流程,从主观性文本识别、文本倾向性分析方法、现有系统及评测方法、语料库建设4个方面对现有文本倾向性分析技术进行介绍和概括.综述了文本倾向性分析的3类研究方法:简单统计方法、机器学习方法和细粒度情感... 介绍文本倾向性分析的基本流程,从主观性文本识别、文本倾向性分析方法、现有系统及评测方法、语料库建设4个方面对现有文本倾向性分析技术进行介绍和概括.综述了文本倾向性分析的3类研究方法:简单统计方法、机器学习方法和细粒度情感相关性分析方法,分析这3类研究方法的特点,从算法复杂性、效率和适用范围等方面比较各自的优缺点.概括现有研究的成就和不足,从基础性问题、具体应用的实现方法2个方面提出研究的前景. 展开更多
关键词 文本倾向性分析 情感语料库 主观性文本识别 意见挖掘
在线阅读 下载PDF
情感Ontology构建与文本倾向性分析 被引量:10
2
作者 王晓东 刘倩 陶县俊 《计算机工程与应用》 CSCD 北大核心 2010年第30期117-120,共4页
对文本倾向性分析方法进行了研究,并提出了一种基于情感Ontology的分析方法。首先基于《知网》构建情感Ontology,然后基于情感Ontology抽取文本倾向性分析的特征词汇并判断其情感倾向性,最后根据抽取的特征词汇对整篇文本的倾向性进行... 对文本倾向性分析方法进行了研究,并提出了一种基于情感Ontology的分析方法。首先基于《知网》构建情感Ontology,然后基于情感Ontology抽取文本倾向性分析的特征词汇并判断其情感倾向性,最后根据抽取的特征词汇对整篇文本的倾向性进行分析。实验结果表明,以实验语料中的所有词汇作为特征词汇,在Baseline的基础上,利用情感Ontology抽取特征词汇的文本倾向性分析方法可以使准确率达到86.76%。 展开更多
关键词 ONTOLOGY 文本倾向性分析 《知网》 词汇相似度
在线阅读 下载PDF
基于注意力机制的多通道CNN和BiGRU的文本情感倾向性分析 被引量:46
3
作者 程艳 尧磊波 +5 位作者 张光河 唐天伟 项国雄 陈豪迈 冯悦 蔡壮 《计算机研究与发展》 EI CSCD 北大核心 2020年第12期2583-2595,共13页
近年来,卷积神经网络(convolutional neural network,CNN)和循环神经网络(recurrent neural network,RNN)已在文本情感分析领域得到广泛应用,并取得了不错的效果.然而,文本之间存在上下文依赖问题,虽然CNN能提取到句子连续词间的局部信... 近年来,卷积神经网络(convolutional neural network,CNN)和循环神经网络(recurrent neural network,RNN)已在文本情感分析领域得到广泛应用,并取得了不错的效果.然而,文本之间存在上下文依赖问题,虽然CNN能提取到句子连续词间的局部信息,但是会忽略词语之间上下文语义信息;双向门控循环单元(bidirectional gated recurrent unit,BiGRU)网络不仅能够解决传统RNN模型存在的梯度消失或梯度爆炸问题,而且还能很好地弥补CNN不能有效提取长文本的上下文语义信息的缺陷,但却无法像CNN那样很好地提取句子局部特征.因此提出一种基于注意力机制的多通道CNN和双向门控循环单元(MC-AttCNN-AttBiGRU)的神经网络模型.该模型不仅能够通过注意力机制关注到句子中对情感极性分类重要的词语,而且结合了CNN提取文本局部特征和BiGRU网络提取长文本上下文语义信息的优势,提高了模型的文本特征提取能力.在谭松波酒店评论数据集和IMDB数据集上的实验结果表明:提出的模型相较于其他几种基线模型可以提取到更丰富的文本特征,可以取得比其他基线模型更好的分类效果. 展开更多
关键词 卷积神经网络 文本情感倾向性分析 双向门控循环单元 注意力机制 多通道
在线阅读 下载PDF
基于概念的词汇情感倾向识别方法 被引量:10
4
作者 陈岳峰 苗夺谦 +1 位作者 李文 张志飞 《智能系统学报》 2011年第6期489-494,共6页
词汇的语义倾向是文本倾向性分析的基础课题.现有的词汇语义倾向计算通常是以词汇为基准,而词是包括了多种不同情感倾向概念的粒度范畴,影响分析的精度和效率.据此,提出在更细的粒度下,利用HowNet工具中的"概念"进行倾向性分... 词汇的语义倾向是文本倾向性分析的基础课题.现有的词汇语义倾向计算通常是以词汇为基准,而词是包括了多种不同情感倾向概念的粒度范畴,影响分析的精度和效率.据此,提出在更细的粒度下,利用HowNet工具中的"概念"进行倾向性分析,设计了基于概念的语义倾向计算方法.该方法使用聚类的概念,利用K-MEDOIDS算法寻找基准概念.实验结果表明,基于概念的方法较传统基于词汇的方法准确率更高. 展开更多
关键词 文本倾向性分析 HOWNET 概念 聚类 K-MEDOIDS
在线阅读 下载PDF
基于双向LSTM模型的文本情感分类 被引量:33
5
作者 任勉 甘刚 《计算机工程与设计》 北大核心 2018年第7期2064-2068,共5页
为解决文本情感分类研究中传统循环神经网络模型存在梯度消失和爆炸问题,提出一种基于双向长短时记忆循环神经网络模型(Bi-LSTM)。通过双向传播机制获取文本中完整的上下文信息,采用CBOW模型训练词向量,减小词向量间的稀疏度,结合栈式... 为解决文本情感分类研究中传统循环神经网络模型存在梯度消失和爆炸问题,提出一种基于双向长短时记忆循环神经网络模型(Bi-LSTM)。通过双向传播机制获取文本中完整的上下文信息,采用CBOW模型训练词向量,减小词向量间的稀疏度,结合栈式自编码深度神经网络作为分类器。实验结果表明,Bi-LSTM模型比传统循环神经网络LSTM模型分类效果更好,对比实验中Bi-LSTM2能达到更优的召回率和准确率。 展开更多
关键词 双向长短时记忆循环神经网络 词向量 长短时记忆网络 循环神经网络 文本情感倾向性分析
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部