基于句法、语义和情感知识的方面级情感分析

1

作者 郑诚 杨楠 《计算机科学》 北大核心 2025年第7期218-225,共8页

方面级情感分析的目标是识别句子中特定方面词的情感极性。近年来,许多工作都是利用句法依赖关系和自注意力机制分别获得句法知识和语义知识,并通过图卷积网络融合这两种信息更新节点的表示。然而句法依赖关系和自注意力机制都不是特定... 方面级情感分析的目标是识别句子中特定方面词的情感极性。近年来,许多工作都是利用句法依赖关系和自注意力机制分别获得句法知识和语义知识,并通过图卷积网络融合这两种信息更新节点的表示。然而句法依赖关系和自注意力机制都不是特定用于情感分析的工具,不能直接有效地捕获方面词的情感表达,而这一点正是方面级情感分析的关键之处。为了更准确地识别方面词的情感表达,构造了融合句法、语义和情感知识的网络。具体来说,利用句法依赖树中的句法知识构建句法图,并将外部情感知识库信息融合在句法图中。同时,采用自注意力机制获得句子中各单词的语义知识,并通过方面感知注意力机制使语义图关注与方面词相关的信息。此外,采用双向消息传播机制同时学习这两个图中的信息并更新节点表示。在3个基准数据集上的实验结果验证了所提模型的有效性。 展开更多

关键词 方面级情感分析 图卷积网络 注意力机制 句法依赖树 情感知识 自然语言处理 深度学习

在线阅读 下载PDF 职称材料

基于交替注意力机制和图卷积网络的方面级情感分析模型 被引量：3

2

作者 杨先凤 汤依磊 李自强 《计算机应用》 CSCD 北大核心 2024年第4期1058-1064,共7页

方面级情感分析旨在预测给定文本中特定目标的情感极性。针对忽略方面词和上下文之间的句法关系和平均池化带来的注意力差异性变小的问题,提出一种基于交替注意力(AA)机制和图卷积网络(GCN)的方面级情感分析模型(AA-GCN)。首先,利用双... 方面级情感分析旨在预测给定文本中特定目标的情感极性。针对忽略方面词和上下文之间的句法关系和平均池化带来的注意力差异性变小的问题,提出一种基于交替注意力(AA)机制和图卷积网络(GCN)的方面级情感分析模型(AA-GCN)。首先,利用双向长短期记忆(Bi-LSTM)网络对上下文和方面词进行语义建模;其次,通过基于句法依存树的GCN学习位置信息和依赖关系,再利用AA机制进行多层次交互学习,自适应地调整对目标词的关注度;最后,拼接修正后的方面特征和上下文特征,得到最终的分类依据。相较于基于目标依赖的图注意力网络(TDGAT),所提模型在4个公开数据集上准确率提升了1.13%~2.67%,在5个公开数据集上F1值提升了0.98%~4.89%,验证了利用句法关系和提升关键词关注度的有效性。 展开更多

关键词 自然语言处理 深度学习 方面级情感分析 交替注意力机制 图卷积网络

在线阅读 下载PDF 职称材料

基于依赖类型剪枝的双特征自适应融合网络用于方面级情感分析 被引量：1

3

作者 郑诚 石景伟 +1 位作者 魏素华 程嘉铭 《计算机科学》 CSCD 北大核心 2024年第3期205-213,共9页

现有的模型将基于依赖树的图神经网络用于方面级情感分析,一定程度上提升了模型的分类性能。然而,由于依赖解析技术的限制,语法解析结果的不精确导致依赖树存在大量噪声,使得模型的性能提升有限。此外,一些句子本身并不符合标准的句法... 现有的模型将基于依赖树的图神经网络用于方面级情感分析,一定程度上提升了模型的分类性能。然而,由于依赖解析技术的限制,语法解析结果的不精确导致依赖树存在大量噪声,使得模型的性能提升有限。此外,一些句子本身并不符合标准的句法结构。以往的研究以同样的置信度利用句法信息和语义信息,没有充分考虑它们对于确定方面词极性的贡献的不同,导致模型在相应的数据集上性能较差。为了克服这些困难,文中提出了一种基于依赖类型剪枝的双特征自适应融合网络。具体来说,该模型使用一种新型的混合方法,命名为依赖关系类型剪枝和邻接矩阵平滑,来缓解句法解析产生的噪声。此外,该模型通过双特征自适应融合模块充分考虑句子的句法信息的可用程度,以一种更灵活的方式将句法特征和语义特征结合起来用于方面级情感分析。在5个公开可用的数据集上进行广泛的实验,结果证明了该方法明显优于基线模型。 展开更多

关键词 方面级情感分析 图神经网络 依赖类型剪枝 双特征自适应融合 深度学习 自然语言处理

在线阅读 下载PDF 职称材料

联合句法与位置信息的方面情感三元组抽取

4

作者 王浩畅 黄嘉婷 赵铁军 《计算机工程与设计》 北大核心 2024年第10期3096-3102,共7页

为提高方面级情感三元组抽取任务的准确率,提出一种联合依存句法关系和位置偏移信息的抽取模型。在模型上下文编码中添加句法关系,结合图卷积网络捕获结构和结点属性信息,增强三元组要素之间的交互能力;在多任务学习部分加入相对位置偏... 为提高方面级情感三元组抽取任务的准确率,提出一种联合依存句法关系和位置偏移信息的抽取模型。在模型上下文编码中添加句法关系,结合图卷积网络捕获结构和结点属性信息,增强三元组要素之间的交互能力;在多任务学习部分加入相对位置偏移信息,充分挖掘方面-观点词对的关系,提高三元组要素抽取的精度。在4个基准英文数据集上的实验结果表明,该方法效果显著且优于其它基线模型。 展开更多

关键词 方面级情感分析 三元组抽取 多任务学习 图卷积网络 依存句法 双向长短时记忆网络 深度学习

在线阅读 下载PDF 职称材料

语义和句法双增强的交互式方面级情感分析

5

作者 王法玉 邱意雯 陈洪涛 《计算机工程与设计》 北大核心 2024年第12期3719-3725,共7页

针对目前研究存在的语义和句法信息提取不充分以及忽略二者交互的问题,提出一种利用交互注意力机制融合语义和句法信息的方面级情感分析模型。将方面间依赖关系与局部语义融合,获得综合的全局语义信息,将全局与局部信息进行交互得到更... 针对目前研究存在的语义和句法信息提取不充分以及忽略二者交互的问题,提出一种利用交互注意力机制融合语义和句法信息的方面级情感分析模型。将方面间依赖关系与局部语义融合,获得综合的全局语义信息,将全局与局部信息进行交互得到更深层的语义信息;利用改进的图卷积网络增强模型提取上下文句法信息的能力;使用多头交互注意力完成方面词与上下文之间以及增强语义和句法之间的交互。为验证模型的有效性,在Laptop14、Restaurat14和Twitter基准数据集上进行实验,实验结果表明,所提模型取得的性能优于比较方法。 展开更多

关键词 方面级情感分析 深度学习 自然语言处理 交互式注意力机制 图卷积网络 语义增强 句法增强 句法分析

在线阅读 下载PDF 职称材料

Extra-iNet:一个针对文本预测的解释抽取框架

6

作者 段俊文 贾智豪 +2 位作者 蒋晗 丁效 仲文明 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第9期3342-3353,共12页

提出一种自解释句子抽取框架(Extra-iNet),该框架仅依赖于粗粒度的任务级标签,从输入文档中抽取部分句子,指导文档标签的预测,并为预测结果提供人类可读的解释。该框架利用卷积神经网络编码输入句子,将预测解释性句子的抽取和表征整合... 提出一种自解释句子抽取框架(Extra-iNet),该框架仅依赖于粗粒度的任务级标签,从输入文档中抽取部分句子,指导文档标签的预测,并为预测结果提供人类可读的解释。该框架利用卷积神经网络编码输入句子,将预测解释性句子的抽取和表征整合在同一模块,采用强化学习和门控机制2种策略抽取解释子集,并由此推导出Hard Extra-iNet和Soft Extra-iNet 2种变体模型。分别在情感分析任务和累计超额收益预测任务上对模型的预测能力和解释能力进行验证。研究结果表明:相比于基线,模型在情感分析任务上的F1(精度与召回率的调和平均数)平均提高了15.5%,在累计超额收益预测任务上的准确率平均提高了3.7%;模型抽取的结果与人类标注的结果高度一致。Extra-iNet框架可以有效地从文档中抽取解释性句子,可推广应用于不同领域的文本预测任务。 展开更多

关键词 可解释预测 强化学习 深度神经网络 情感分析 累积超额收益

在线阅读 下载PDF 职称材料

基于抽象关系场景图的图像情感识别

7

作者 康博 钱艺 文益民 《智能系统学报》 CSCD 北大核心 2024年第2期335-343,共9页

图像情感识别是通过分析视觉刺激来预测人类情感的抽象过程。现有方法大多缺乏对对象间关系以及对象与场景间相互作用的关注,并且对象间复杂多样的关系难以得到充分利用,进而导致难以正确对图像情感进行预测。为解决上述问题,提出一种... 图像情感识别是通过分析视觉刺激来预测人类情感的抽象过程。现有方法大多缺乏对对象间关系以及对象与场景间相互作用的关注,并且对象间复杂多样的关系难以得到充分利用,进而导致难以正确对图像情感进行预测。为解决上述问题,提出一种基于抽象关系场景图的图像情感识别方法。首先,构建对象和属性检测器来提取图像中对象及其属性的特征。其次,使用对象特征推理对象间的亲密度和抽象关系特征,进而构建抽象关系场景图。再次,提出抽象关系图卷积网络来推理抽象关系场景图。最后,设计渐进式注意力机制对多个对象特征进行融合,以得到图像的整体对象特征。在FI、EmotionRoI和Twitter I公开数据集上的试验结果表明,该方法的分类准确率优于现有方法。 展开更多

关键词 图像情感识别 抽象关系 场景图 图卷积网络 注意力机制 卷积神经网络 视觉情感分析 深度学习

在线阅读 下载PDF 职称材料

融合TCN和BiLSTM的文本情感分析

8

作者 任楚岚 仇全涛 劣思敏 《计算机工程与设计》 北大核心 2024年第7期2090-2096,共7页

为在短文本语义情感分析过程中对词嵌入对情感语义充分表达,挖掘深层次语义信息,提出一种融合TCN和改进BiLSTM的文本情感分析算法。通过混合词嵌入对短文本向量化;将训练后的词向量先输入时序卷积网络,后输入到改进的双向长短时记忆网... 为在短文本语义情感分析过程中对词嵌入对情感语义充分表达,挖掘深层次语义信息,提出一种融合TCN和改进BiLSTM的文本情感分析算法。通过混合词嵌入对短文本向量化;将训练后的词向量先输入时序卷积网络,后输入到改进的双向长短时记忆网络中提取情感特征;强制向前注意力机制对提取到的特征进行加权;通过softmax函数进行情感分类输出。通过在新冠疫情评论数据集建模,模型的各项指标均达到92%以上,相较于其它模型性能更优。 展开更多

关键词 情感分析 短文本 混合词嵌入 深度学习 时序卷积网络 双向长短时记忆网络 强制向前注意力机制

在线阅读 下载PDF 职称材料

用于微博情感分析的一种情感语义增强的深度学习模型 被引量：133

9

作者 何炎祥 孙松涛 +1 位作者 牛菲菲 李飞 《计算机学报》 EI CSCD 北大核心 2017年第4期773-790,共18页

基于神经语言模型的词向量表示技术能够从大规模的未标注文本数据集中自动学习词语的有效特征表示,已经在许多自然语言处理任务及研究中取得重要进展.微博中的表情符号是微博情感分析最重要的特征之一,已有大量的研究工作在探索有效地... 基于神经语言模型的词向量表示技术能够从大规模的未标注文本数据集中自动学习词语的有效特征表示,已经在许多自然语言处理任务及研究中取得重要进展.微博中的表情符号是微博情感分析最重要的特征之一,已有大量的研究工作在探索有效地利用表情符号来提升微博情感分类效果.借助词向量表示技术,为常用表情符号构建情感空间的特征表示矩阵R^E;基于向量的语义合成计算原理,通过矩阵R^E与词向量的乘积运算完成词义到情感空间的映射;接着输入到一个MCNN(Multi-channel Convolution Neural Network)模型,学习一个微博的情感分类器.整个模型称为EMCNN(Emotion-semantics enhanced MCNN),将基于表情符号的情感空间映射与深度学习模型MCNN结合,有效增强了MCNN捕捉情感语义的能力.EMCNN模型在NLPCC微博情感评测数据集上的多个情感分类实验中取得最佳分类性能,并在所有性能指标上超过目前已知文献中的最好分类效果.在取得以上分类性能提升的同时,EMCNN相对MCNN的训练耗时在主客观分类时减少了36.15%,在情感7分类时减少了33.82%. 展开更多

关键词 微博 情感分析 深度学习 卷积神经网络 自然语言处理 社交网络

在线阅读 下载PDF 职称材料

基于多注意力卷积神经网络的特定目标情感分析 被引量：142

10

作者 梁斌 刘全 +2 位作者 徐进 周倩 章鹏 《计算机研究与发展》 EI CSCD 北大核心 2017年第8期1724-1735,共12页

特定目标情感分析作为情感分析一个重要的子任务,近年来得到越来越多研究人员的关注.针对在特定目标情感分析中,将注意力机制和LSTM等序列性输入网络相结合的网络模型训练时间长、且无法对文本进行平行化输入等问题,提出一种基于多注意... 特定目标情感分析作为情感分析一个重要的子任务,近年来得到越来越多研究人员的关注.针对在特定目标情感分析中,将注意力机制和LSTM等序列性输入网络相结合的网络模型训练时间长、且无法对文本进行平行化输入等问题,提出一种基于多注意力卷积神经网络(multi-attention convolution neural networks,MATT-CNN)的特定目标情感分析方法.相比基于注意力机制的LSTM网络,该方法可以接收平行化输入的文本信息,大大降低了网络模型的训练时间.同时,该方法通过结合多种注意力机制有效弥补了仅仅依赖内容层面注意力机制的不足,使模型在不需要例如依存句法分析等外部知识的情况下,获取更深层次的情感特征信息,有效识别不同目标的情感极性.最后在SemEval2014数据集和汽车领域数据集(automotive-domain data,ADD)进行实验,取得了比普通卷积神经网络、基于单注意力机制的卷积神经网络和基于注意力机制的LSTM网络更好的效果. 展开更多

关键词 注意力机制 卷积神经网络 特定目标情感分析 深度学习 自然语言处理

在线阅读 下载PDF 职称材料

基于多通道卷积神经网络的中文微博情感分析 被引量：76

11

作者 陈珂 梁斌 +2 位作者 柯文德 许波 曾国超 《计算机研究与发展》 EI CSCD 北大核心 2018年第5期945-957,共13页

近年来,深度学习在情感分析任务中的应用得到了越来越多的关注.针对以文本词向量作为输入的卷积神经网络无法充分利用情感分析任务中特有的情感特征信息,以及难以有效表示每个词语在句子中的重要程度等问题,提出一种基于多通道卷积神经... 近年来,深度学习在情感分析任务中的应用得到了越来越多的关注.针对以文本词向量作为输入的卷积神经网络无法充分利用情感分析任务中特有的情感特征信息,以及难以有效表示每个词语在句子中的重要程度等问题,提出一种基于多通道卷积神经网络(multi-channels convolutional neural networks,MCCNN)的中文微博情感分析模型.该模型针对情感分析任务中特有的情感信息来构建文本输入矩阵,使模型在训练过程中有效获取输入句子的情感特征信息.同时,该模型通过将不同特征信息结合形成不同的网络输入通道,使网络模型在训练过程中从多方面的特征表示来学习输入句子的情感信息,有效表示出每个词语在句子中的重要程度,获取更多的隐藏信息.最后在COAE2014数据集和微博语料数据上进行实验,取得了比普通卷积神经网络、结合情感信息的卷积神经网络和传统分类器更好的性能. 展开更多

关键词 情感分析 深度学习 卷积神经网络 多通道 自然语言处理

在线阅读 下载PDF 职称材料

基于卷积神经网络的微博情感倾向性分析 被引量：98

12

作者 刘龙飞 杨亮 +1 位作者 张绍武 林鸿飞 《中文信息学报》 CSCD 北大核心 2015年第6期159-165,共7页

微博情感倾向性分析旨在发现用户对热点事件的观点态度。由于微博噪声大、新词多、缩写频繁、有自己的固定搭配、上下文信息有限等原因,微博情感倾向性分析是一项有挑战性的工作。该文主要探讨利用卷积神经网络进行微博情感倾向性分析... 微博情感倾向性分析旨在发现用户对热点事件的观点态度。由于微博噪声大、新词多、缩写频繁、有自己的固定搭配、上下文信息有限等原因,微博情感倾向性分析是一项有挑战性的工作。该文主要探讨利用卷积神经网络进行微博情感倾向性分析的可行性,分别将字级别词向量和词级别词向量作为原始特征,采用卷积神经网络来发现任务中的特征,在COAE2014任务4的语料上进行了实验。实验结果表明,利用字级别词向量及词级别词向量的卷积神经网络分别取得了95.42%的准确率和94.65%的准确率。由此可见对于中文微博语料而言,利用卷积神经网络进行微博情感倾向性分析是有效的,且使用字级别的词向量作为原始特征会好于使用词级别的词向量作为原始特征。 展开更多

关键词 深度学习 情感倾向性分析 卷积神经网络 词向量

在线阅读 下载PDF 职称材料

基于深度学习的微博情感分析 被引量：110

13

作者 梁军 柴玉梅 +2 位作者 原慧斌 昝红英 刘铭 《中文信息学报》 CSCD 北大核心 2014年第5期155-161,共7页

中文微博情感分析旨在发现用户对热点事件的观点态度。已有的研究大多使用SVM、CRF等传统算法根据手工标注情感特征对微博情感进行分析。该文主要探讨利用深度学习来做中文微博情感分析的可行性,采用递归神经网络来发现与任务相关的特征... 中文微博情感分析旨在发现用户对热点事件的观点态度。已有的研究大多使用SVM、CRF等传统算法根据手工标注情感特征对微博情感进行分析。该文主要探讨利用深度学习来做中文微博情感分析的可行性,采用递归神经网络来发现与任务相关的特征,避免依赖于具体任务的人工特征设计,并根据句子词语间前后的关联性引入情感极性转移模型加强对文本关联性的捕获。该文提出的方法在性能上与当前采用手工标注情感特征的方法相当,但节省了大量人工标注的工作量。 展开更多

关键词 深度学习 微博情感分析 递归神经网络 自编码

在线阅读 下载PDF 职称材料

一种用于基于方面情感分析的深度分层网络模型 被引量：48

14

作者 刘全 梁斌 +1 位作者 徐进 周倩 《计算机学报》 EI CSCD 北大核心 2018年第12期2637-2652,共16页

近年来,基于方面情感分析已成为自然语言处理领域的研究热点之一.结合注意力机制的深度网络模型在基于方面情感分析任务中取得了令人瞩目的成功,针对以独立句子作为网络模型输入的方法无法获取句子间相互关系,以及仅使用词语层注意力机... 近年来,基于方面情感分析已成为自然语言处理领域的研究热点之一.结合注意力机制的深度网络模型在基于方面情感分析任务中取得了令人瞩目的成功,针对以独立句子作为网络模型输入的方法无法获取句子间相互关系,以及仅使用词语层注意力机制难以充分获取同一评论中句子间的相互联系等问题,提出一种结合区域卷积神经网络和分层长短期记忆网络(Regional Convolutional Neural Network-Hierarchical Long Short-Term Memory,RCNN-HLSTM)的深度分层网络模型用在基于方面情感分析任务中.该模型通过区域CNN既可以保留不同句子在评论中的时序关系也可以大大降低仅使用LSTM网络的时间代价.此外,该模型利用一个分层LSTM网络来获取待分类句子内部词语之间的相互联系,以及待分类句子和评论中其他句子之间的情感特征信息.通过词语层和句子层注意力机制能有效获取特定方面在句子中的局部特征和整个评论中的长距离依赖关系,弥补了仅使用词语层注意力机制的不足.最后在多种语言的不同领域数据集上进行实验,取得了比传统的深度网络模型、结合注意力机制的深度网络模型以及考虑句子间关系的双向分层LSTM网络模型更好的分类效果. 展开更多

关键词 深度学习 基于方面情感分析 分层模型 循环神经网络 卷积神经网络 注意力机

在线阅读 下载PDF 职称材料

基于马尔科夫逻辑网的句子情感分析方法 被引量：9

15

作者 杨立公 汤世平 朱俭 《北京理工大学学报》 EI CAS CSCD 北大核心 2013年第6期600-604,共5页

提出一种基于马尔科夫逻辑网的句子情感分析方法.与深度学习方法相结合实现跨领域的知识迁移,同时采用马尔科夫逻辑网将句子的上下文信息与其它情感特征相结合实现句子情感分析.在COAE评测数据上的实验结果表明,该方法与SVM分类方法相比... 提出一种基于马尔科夫逻辑网的句子情感分析方法.与深度学习方法相结合实现跨领域的知识迁移,同时采用马尔科夫逻辑网将句子的上下文信息与其它情感特征相结合实现句子情感分析.在COAE评测数据上的实验结果表明,该方法与SVM分类方法相比,准确率达到70.02%,并且在跨领域的情感分析任务中也得到了较好的结果. 展开更多

关键词 情感分析 马尔科夫逻辑网 深度学习

在线阅读 下载PDF 职称材料

基于深度学习的社交网络平台细粒度情感分析 被引量：31

16

作者 李阳辉 谢明 易阳 《计算机应用研究》 CSCD 北大核心 2017年第3期743-747,共5页

在当下互联网迈入Web 2.0时代,多样的社交网络平台呈现出巨量而丰富的文本情感信息,因此挖掘网络数据文本信息并作情感倾向判断对人机交互与人工智能具有重大的现实意义。传统的解决文本情感分析问题的方法主要是浅层学习算法,利用回归... 在当下互联网迈入Web 2.0时代,多样的社交网络平台呈现出巨量而丰富的文本情感信息,因此挖掘网络数据文本信息并作情感倾向判断对人机交互与人工智能具有重大的现实意义。传统的解决文本情感分析问题的方法主要是浅层学习算法,利用回归、分类等方案实现特征的提取及分类。以这类方法为起点,探索采用深度学习的方法对网络文本进行细粒度的情感分析,以期达到即时获取依附于网络世界的社会人的情感,甚至是让机器达到对人类情感表达的深度理解。对于深度学习的具体实现,采用的是降噪自编码器来对文本进行无标记特征学习并进行情感分类,利用实验训练获得最佳的参数设置,并通过对实验结果的分析和评估论证深度学习对于情感信息的强大解析能力。 展开更多

关键词 情感分析 深度学习 降噪自动编码器 社交网络平台

在线阅读 下载PDF 职称材料

基于共词分析的国内文本情感分析研究 被引量：14

17

作者 陈红琳 魏瑞斌 +1 位作者 张玮 张宇航 《现代情报》 CSSCI 2019年第6期91-101,共11页

[目的/意义]对国内文本情感分析的研究成果进行梳理与计量分析,有助于从不同角度了解主题研究状况、发文情况,对后续的研究具有一定的参考价值。[方法/过程]本文对发文期刊、作者团队进行统计分析,并利用共词分析法,研究关键词之间的联... [目的/意义]对国内文本情感分析的研究成果进行梳理与计量分析,有助于从不同角度了解主题研究状况、发文情况,对后续的研究具有一定的参考价值。[方法/过程]本文对发文期刊、作者团队进行统计分析,并利用共词分析法,研究关键词之间的联系,探讨近十年来在文本情感分析的研究热点及现状。[结果/结论]结果表明,我国近两年对文本情感分析的研究主要有基于情感词典的机器学习和神经网络的深度学习两种方法,文章最后指出了两种方法的研究现状及未来研究方向。 展开更多

关键词 文本情感分析 共词分析 情感词典 深度学习 神经网络

在线阅读 下载PDF 职称材料

深度学习框架下类别不平衡数据情感分析 被引量：9

18

作者 张志武 薛娟 陈国兰 《现代情报》 CSSCI 2021年第10期75-82,共8页

[目的/意义]将类别不平衡学习方法与深度学习相结合,提升数据不平衡分布下情感分析的性能。[方法/过程]提出LSTM深度学习框架下自适应不平衡数据情感分析方法。不平衡程度低时,对少数类样本进行过采样,然后利用LSTM进行深度学习训练;不... [目的/意义]将类别不平衡学习方法与深度学习相结合,提升数据不平衡分布下情感分析的性能。[方法/过程]提出LSTM深度学习框架下自适应不平衡数据情感分析方法。不平衡程度低时,对少数类样本进行过采样,然后利用LSTM进行深度学习训练;不平衡程度高时,对多数类样本进行多组均衡化欠采样,然后分别对每组训练数据学习LSTM模型,最后通过集成学习方法,获得最终情感分类结果。[结果/结论]在网络商品评论语料库上的实验结果显示,本方法可以提升类别不平衡数据的深度学习性能,实现不平衡数据的自适应情感分析。 展开更多

关键词 深度学习 类别不平衡学习 情感分析 长短期记忆网络

在线阅读 下载PDF 职称材料

基于注意力机制的双BERT有向情感文本分类研究 被引量：11

19

作者 张铭泉 周辉 曹锦纲 《智能系统学报》 CSCD 北大核心 2022年第6期1220-1227,共8页

在计算社会科学中,理解政治新闻文本中不同政治实体间的情感关系是文本分类领域一项新的研究内容。传统的情感分析方法没有考虑实体之间情感表达的方向,不适用于政治新闻文本领域。针对这一问题,本文提出了一种基于注意力机制的双变换... 在计算社会科学中,理解政治新闻文本中不同政治实体间的情感关系是文本分类领域一项新的研究内容。传统的情感分析方法没有考虑实体之间情感表达的方向,不适用于政治新闻文本领域。针对这一问题,本文提出了一种基于注意力机制的双变换神经网络的双向编码表示(bi-directional encoder representations from transformers, BERT)有向情感文本分类模型。该模型由输入模块、情感分析模块、政治实体方向模块和分类模块四部分组成。情感分析模块和政治实体方向模块具有相同结构,都先采用BERT预训练模型对输入信息进行词嵌入,再采用三层神经网络分别提取实体之间的情感信息和情感方向信息,最后使用注意力机制将两种信息融合,实现对政治新闻文本的分类。在相关数据集上进行实验,结果表明该模型优于现有模型。 展开更多

关键词 情感分析 变换神经网络的双向编码表示 预训练模型 注意力机制 深度学习 机器学习 文本分类 神经网络

在线阅读 下载PDF 职称材料

分段卷积神经网络在文本情感分析中的应用 被引量：32

20

作者 杜昌顺 黄磊 《计算机工程与科学》 CSCD 北大核心 2017年第1期173-179,共7页

文本情感分析是当前网络舆情分析、产品评价、数据挖掘等领域的重要任务。由于当前网络数据的急剧增长,依靠人工设计特征或者传统的自然语言处理语法分析工具等进行分析,不但准确率不高而且费时费力。而传统的卷积神经网络模型均未考虑... 文本情感分析是当前网络舆情分析、产品评价、数据挖掘等领域的重要任务。由于当前网络数据的急剧增长,依靠人工设计特征或者传统的自然语言处理语法分析工具等进行分析,不但准确率不高而且费时费力。而传统的卷积神经网络模型均未考虑句子的结构信息,并且在训练时很容易发生过拟合。针对这两方面的不足,使用基于深度学习的卷积神经网络模型分析文本的情感倾向,采用分段池化的策略将句子结构考虑进来,分段提取句子不同结构的主要特征;并且引入Dropout算法以避免模型的过拟合和提升泛化能力。实验结果表明,分段池化策略和Dropout算法均有助于提升模型的性能,所提方法在中文酒店评价数据集上达到了91%的分类准确率,在斯坦福英文情感树库数据集五分类任务上达到了45.9%的准确率,较基线模型都有显著的提升。 展开更多

关键词 情感分析 深度学习 卷积神经网络 分段池化 Dropout算法

在线阅读 下载PDF 职称材料