-
题名基于神经网络的微博情绪识别与诱因抽取联合模型
被引量：5
- 1
-
-
作者
张晨
钱涛
姬东鸿
-
机构
武汉大学国家网络安全学院
湖北科技学院计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第9期2464-2468,2476,共6页
-
基金
国家自然科学基金面上项目(61772378)
湖北省自然科学基金面上项目(2018CFB690)~~
-
文摘
情绪诱因抽取作为深层次的文本情绪理解已成为情绪分析任务中的新热点,当前研究通常把诱因抽取和情绪识别看作两个独立的任务,容易导致错误在任务间的传播问题。考虑到情绪识别及诱因抽取是相互作用的,以及微博文本中表情符通常表达文本的情绪,提出了一种基于双向长短期记忆条件随机场(Bi-LSTM-CRF)模型的情绪诱因和表情符情绪识别的联合模型。该模型将情绪诱因抽取以及情绪识别形式化为一个统一的序列标注问题,充分利用了情绪诱因与情绪之间的互相作用,将情绪诱因的抽取和情绪识别同时进行。实验结果表明,该模型在诱因抽取任务中的F值为82.70%,在情绪识别任务中的F值为74.74%,相比串行模型的F值分别提高5.82和17.12个百分点,这个结果表明联合模型能够有效降低任务串行进行时的误差传递,同时提高了诱因抽取和情绪识别的F值。
-
关键词
诱因抽取
情绪识别
表情符
序列标注
双向长短期记忆条件随机场
联合模型
-
Keywords
emotion cause detection
emotion recognition
emoji emoticon
sequence labeling
Bi-directional Long Short-Term Memory Conditional Random Field(Bi-LSTM-CRF)
joint model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于表情符注意力机制的微博情感分析模型
被引量：12
- 2
-
-
作者
谭皓
邓树文
钱涛
姬东鸿
-
机构
武汉大学计算机学院
湖北科技学院计算机学院
-
出处
《计算机应用研究》
CSCD
北大核心
2019年第9期2647-2650,共4页
-
基金
国家自然科学基金面上项目(61772378)
国家社会科学基金重大项目(11&ZD189)
湖北省自然科学基金一般面上项目(2018CFB690)
-
文摘
为了对中文微博进行有效的情感极性识别,基于表情符能改变或加强微博文本的情感极性这一认知事实,提出基于表情符注意力机制的微博情感分析神经网络模型。该模型在使用双向循环神经网络模型(BiLSTM)学习文本的特征表示时,利用表情符注意力机制,得到文本结合表情符后新的特征表示,从而实现微博情感识别。实验结果显示,与输入纯文本和表情符的Bi-LSTM模型相比,基于表情符注意力机制的模型准确率提高了4. 06%;与仅输入纯文本的Bi-LSTM模型相比,基于表情符注意力机制的模型准确率提高了6. 35%。
-
关键词
表情符
微博
情感分析
注意力机制
-
Keywords
emoji
microblog
sentiment analysis
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度强化学习的协作通信中继选择
被引量：6
- 3
-
-
作者
胡文杰
钟良骥
-
机构
华中科技大学计算机科学与技术学院
咸宁职业技术学院信息工程学院
湖北科技学院计算机学院
-
出处
《电讯技术》
北大核心
2020年第12期1425-1431,共7页
-
基金
湖北省教育厅科学研究项目(B2018487)
咸宁市科技局科技项目(201854)
咸宁职业技术学院校级科研项目(2017yjd011)。
-
文摘
协作通信是无线传感器网络(Wireless Sensor Network,WSN)实现数据可靠传输的关键技术,而协作通信技术的关键在于中继方案的选择。为此,提出了一种基于深度强化学习的协作通信中继选择算法(Deep Q-Learning Based Relay Selection Scheme,DQ-RSS)。首先,将WSN中具有中继选择的协作通信过程建模为马尔科夫决策过程,并采用Q学习在未知网络模型的情况下获取最佳中继选择策略;其次,针对高维状态空间下Q学习收敛时间长的问题,采用DQN(Deep-Q-Net)算法来加速Q学习的收敛。对比仿真实验结果表明,DQ-RSS在中断概率、系统容量和能耗方面均优于现有的中继选择方案,且能够有效节省收敛时间。
-
关键词
无线传感器网络
协作通信
中继选择
Q学习
DQN算法
-
Keywords
wireless sensor network
cooperative communication
relay selection
Q-Learning
DQN algorithm
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
