文章-世纪中文出版社

张敏《国际科技论坛》 2020年4期

摘要:

本文以京东商城某品牌热水器的购买用户文本评价数据为基础，通过构建LDA主题模型进行主题的提取，实现对其倾向性判断以及所隐藏信息的挖掘与分析，为生产商提供指导性建议。

曹紫琰1 冯敏萱1 毛雪芬1 程宁1 宋阳2 李斌1 《中文研究》 2020年2期

摘要:

产品评论文本是情感分析的重要研究对象，目前已有的产品评论语料库大都较为粗疏，没有完整地标注出对象、属性、极性"三要素"，影响自动分析的应用场景。对此，该文构建了细颗粒度评论语料库，共包含9 343句汽车评论短文本，不仅人工标注了"三要素"的具体词语，而且将其对应到产品和属性的知识本体树上。此外，对无情感词的隐含表达、特殊文本(如建议文本、比较句等)也标注出对应的三元组并予以特殊标签。语料统计表明，对象和属性要素的共现率高达77.54%，验证了构建"三要素"齐全标注体系的必要性；基于该语料库的"三要素"自动标注实验F1值可达70.82%，验证了细颗粒度标注体系的可计算性以及语料库构建的规范性和应用价值。该语料库可以为细颗粒度情感分析研究提供基础数据。

基于多通道双向长短期记忆网络的情感分析下载：16 浏览：318

李卫疆漆芳《中文研究》 2019年10期

摘要:

当前存在着大量的语言知识和情感资源，但在基于深度学习的情感分析研究中，这些特有的情感信息，没有在情感分析任务中得到充分利用。针对以上问题，该文提出了一种基于多通道双向长短期记忆网络的情感分析模型(multi-channels bidirectional long short term memory network，Multi-Bi-LSTM)，该模型对情感分析任务中现有的语言知识和情感资源进行建模，生成不同的特征通道，让模型充分学习句子中的情感信息。与CNN相比，该模型使用的Bi-LSTM考虑了词序列之间依赖关系，能够捕捉句子的上下文语义信息，使模型获得更多的情感信息。最后在中文COAE2014数据集、英文MR数据集和SST数据集进行实验，取得了比普通Bi-LSTM、结合情感序列特征的卷积神经网络以及传统分类器更好的性能。

融合注意力机制的多通道卷积与双向GRU模型的文本情感分析研究下载：57 浏览：400

袁和金张旭牛为华崔克彬《中文研究》 2019年4期

摘要:

文本情感分析作为自然语言处理领域的一大分支，具有非常高的研究价值。该文提出了一种基于多通道卷积与双向GRU网络的情感分析模型。该模型首先使用多通道卷积神经网络对文本不同粒度的特征信息进行提取，提取后的特征信息经过融合送入双向GRU中，结合注意力机制获得文本的上下文情感特征，最后由分类器给出文本的情感倾向。注意力机制自适应的感知上下文信息进而提取对情感极性影响较强的特征，在模型的基础上引入Maxout神经元，解决模型训练过程中的梯度弥散问题。模型在IMDb及SST-2数据集上进行实验，实验结果表明本文模型较CNN-RNN模型在分类精确度上有了一定程度的提升。

基于循环实体网络的细粒度情感分析下载：55 浏览：455

贾川方睿浦东康刚《中文研究》 2019年1期

摘要:

目前，深度神经网络模型已经在文本情感分析领域取得了较好的效果，但是对于属性相关的细粒度的情感分析任务，现有研究方法的效果仍有待改进。该文提出了一种基于循环实体网络来进行细粒度情感分析的方法，在网络中嵌入预定义的评价属性类别信息，利用扩大的内部记忆链来抽取与每个属性类别相关的情感特征，并通过动态记忆单元控制与属性相关情感信息的远距离依赖，然后，对于给定的单个属性类别，利用注意力机制从内部记忆链中抽取该属性类别的情感特征进行分类。该文提出的方法在Sentihood数据上与目前精度最高的方法相比，取得了近1个百分点的提升，而且模型的收敛速度更快。

基于自动提取句法模板的情感分析下载：36 浏览：325

潘浩1 卫宇杰1，2 潘尔顺1，2 《中文研究》 2019年1期

摘要:

提出了一种自动化提取情感依存句法关系的分析方法。在待分析语句依存句法树的基础上，结合中文语法特点，定义了分枝、嫁接、剪枝和枝解四种基本操作，压缩依存树的特征空间的同时将语句转换成表征句法关系的子树集合，最后利用遗传算法求解最优情感子树集。针对第三届自然语言处理及中文计算会议(NLPCC 2014)评测数据的实验结果表明，该方法在语句是否表达情感的判别上具有优异效果。与基于词典的情感分析结合，可降低词典对客观句的高误判缺陷，进而明显改进基于词典的情感分析方法。

基于词注意力卷积神经网络模型的情感分析研究下载：33 浏览：499

王盛玉1 曾碧卿1，2 商齐1 韩旭丽1 《中文研究》 2018年4期

摘要:

情感分类任务需要捕获文本中的情感特征，利用重要的局部特征构建文本的特征表示。卷积神经网络(convolutional neural networks，CNN)已经被证明拥有出色的特征学习能力，但是该模型无法判别输入文本中特征词与情感的相关性，卷积层缺乏对单一词特征的提取。基于目前运用非常成功的注意力模型，该文提出一种基于词注意力的卷积神经网络模型(word attention-based convolutional neural networks，WACNN)。相比于卷积神经网络，该模型以篇章的文本信息作为输入，首先在词嵌入层之后增加注意力机制层，获取重要的局部特征词，使模型有选择地进行特征提取；然后在卷积层中增加大小为1的卷积核，提取单一词的特征；最后该方法对输入文本进行适当的文本填充，保证每个词都存在上下文信息，使模型有效提取到每个词的n-grams局部特征，避免卷积处理过程中局部信息的丢失。该模型在MR5K和CR数据集上进行验证，较普通卷积神经网络和传统机器学习方法，在准确率上分别取得0.5%和2%的提升。

大规模中文实体情感知识的自动获取下载：52 浏览：406

卢奇1，2 陈文亮1，2 《中文研究》 2018年3期

摘要:

目前中文情感分析的主要资源以情感词典为主，缺乏针对实体或属性的情感知识资源。该文主要研究如何从大规模文本语料中自动获取实体情感知识。在该文方法中，用情感表达组合来表示实体情感知识。首先，基于二部图排序算法对情感表达组合候选集合进行排序。然后，提出了一种基于语义相似的提炼算法对于排序靠后的表达组合进行选择。在提炼选择过程中，充分考虑实体之间和情感词之间的约束。最后，该文在三种大规模不同领域的语料上进行实验，并进行人工评价。评价结果表明，从三个领域数据集上获取的实体情感表达组合正确率均高于90%。最终我们获得了一个大规模情感知识词典，包括约30万对的情感表达组合。

基于协同过滤Attention机制的情感分析模型下载：47 浏览：435

赵冬梅1，2 李雅2 陶建华2 顾明亮1 《中文研究》 2018年1期

摘要:

该文主要研究在评论性数据中用户个性及产品信息对数据情感类别的影响。在影响数据情感类型的众多因素中，该文认为评价的主体即用户以及被评价的对象等信息对评论数据的情感至关重要。该文提出一种基于协同过滤Attention机制的情感分析方法(LSTM-CFA)，使用协同过滤(CF)算法计算出用户兴趣分布矩阵，再将矩阵利用SVD分解后加入层次LSTM模型，作为模型注意力机制提取文档特征、实现情感分类。实验表明LSTMCFA方法能够高效提取用户个性与产品属性信息，显著提升了情感分类的准确率。

基于情感分析的“真假美猴王”存疑研究下载：76 浏览：263

张辰麟1 王明文1 谭亦鸣1 陈志明1 左家莉1 罗远胜2 《当代中文学刊》 2019年7期

摘要:

《西游记》是我国四大名著之一。"真假美猴王"事件作为《西游记》的高潮部分,留下了不少伏笔,也引发了多种解读。该文通过运用情感分析的方法,对"真假美猴王"事件前后孙悟空与其他角色的对话进行分析。通过比较孙悟空在"真假美猴王"事件前后,对其他角色情感值的变化,得到了"孙悟空并没有被如来打死,‘真假美猴王’事件消灭的‘心魔’是孙悟空的反抗精神。事件之后,孙悟空选择屈服于神权"的结论。初步探索了情感分析技术对文学研究的可行性。

面向智能客服系统的情感分析技术下载：42 浏览：339

宋双永王超陈成龙周伟陈海青《当代中文学刊》 2020年3期

摘要:

该文以阿里小蜜为例,对智能客服系统中的情感分析技术进行比较全面的介绍,包括情感分析算法模型的原理及其在智能客服系统的多个应用场景中的实际落地使用方式和效果分析。智能客服在解决客户高频业务问题的同时,也需要给客户提供多维度的、具有类人能力的助理、导购、语聊和娱乐等服务,提高客户对智能客服机器人的整体满意度。在此过程中,情感分析技术在机器人类人能力建设中起到了至关重要的作用。该文围绕智能客服系统中人机结合的服务形式,从六个维度总结和介绍了情感分析技术在智能客服系统中的应用场景,包括用户情感检测、用户情感安抚、情感生成式语聊、客服服务质检、会话满意度预估和智能人工入口。

注意力增强的双向LSTM情感分析下载：34 浏览：252

关鹏飞1 李宝安1 吕学强1 周建设2 《当代中文学刊》 2019年4期

摘要:

在基于深度学习的情感分析工作中,传统的注意力机制主要以串行的方式作为其他模型的下一层,用于学习其他神经网络模型输出的权重分布。该文在探究使用深度学习进行句子级情感分析任务的基础上,提出一种注意力增强的双向LSTM模型。模型使用注意力机制直接从词向量的基础上学习每个词对句子情感倾向的权重分布,从而学习到能增强分类效果的词语,使用双向LSTM学习文本的语义信息。最终,通过并行融合的方式提升分类效果。通过在NLPCC 2014情感分析语料上进行测试,该模型的结果优于其他句子级情感分类模型。

融合反问特征的卷积神经网络的中文反问句识别下载：23 浏览：359

文治1 李旸1 王素格1,2 廖健1 陈鑫1 《当代中文学刊》 2019年2期

摘要:

反问是一种带有强烈情感色彩的表达方式,对其进行自动识别将提升隐式情感分析的整体效率。针对汉语反问句识别问题,该文分析了反问句的句式特点,将反问句的句式结构融入到卷积神级网络的构建中,提出一种融合句式结构的卷积神经网络的反问句识别方法。首先利用置信度大于70%的反问句的特征词、序列模式,对大规模未被标注的微博语料进行初步筛选,获取大量伪反问句。然后通过多个卷积核分别对句子的词向量和反问句的特征进行抽取,获取句子语义特征和反问词特征,将两者共同作用生成句子的表示。最后利用softmax分类器实现句子的分类。实验结果表明,利用该方法对微博中反问句的识别准确率、召回率和F1值分别达到了89.5%、84.2%和86.7%。

基于神经主题模型的对话情感分析下载：54 浏览：399

王建成徐扬刘启元吴良庆李寿山《当代中文学刊》 2020年1期

摘要:

对话情感分析旨在识别出一段对话中每个句子的情感倾向,其在电商客服数据分析中发挥着关键作用。不同于对单个句子的情感分析,对话中句子的情感倾向依赖于其在对话中的上下文。目前已有的方法主要采用循环神经网络和注意力机制建模句子之间的关系,但是忽略了对话作为一个整体所呈现的特点。建立在多任务学习的框架下,该文提出了一个新颖的方法,同时推测一段对话的主题分布和每个句子的情感倾向。对话的主题分布,作为一种全局信息,被嵌入到每个词以及句子的表示中。通过这种方法,每个词和句子被赋予了在特定对话主题下的含义。在电商客服对话数据上的实验结果表明,该文提出的模型能充分利用对话主题信息,与不考虑主题信息的基线模型相比,Macro-F1值均有明显提升。

基于在线评论的用户满意度评价研究下载：25 浏览：244

赵宇晴阮平南刘晓燕单晓红《当代管理》 2020年8期

摘要:

用户满意度是产品价值实现程度的重要衡量标准,在线评论是用户需求表达的重要渠道。为准确把握市场需求,提升企业产品研发效率,提出一种基于在线评论数据获取用户需求信息并实现用户满意度评价的方法。首先使用基于模糊理论的Kano模型对在线评论中提取的用户需求进行分类,并与情感分析结合构建需求—满意度量化模型,实现了用户满意度定量评价。该方法基于用户需求类型的视角进行用户满意度评价,实现了客观的用户需求获取及需求实现程度的测量,并结合不同需求类型的特征和用户满意度情况确定产品研发和改进的优先级。最后以小米5手机为例验证了该方法的可行性和创新性。

面向情绪感知的多功能对话系统的设计与实现下载：58 浏览：461

王明键梁浩纯高大拯冯时《软件工程研究》 2019年6期

摘要:

现如今,自然语言处理技术不仅可以实现人机对话,还能从对话中提取出用户所表达的情感。本文中所介绍的对话系统将以上两项技术结合起来,使用Web开发相关技术构建了一个功能较为完备的多功能对话系统,不仅具有查询天气、新闻、一对一闲聊等基础功能,还可以将用户的实时情绪统计展示出来,进而分析用户情绪变化趋势生成图表。本文对此系统整体设计和实现过程中用到的HTML、Django和数据库等相关技术进行了详细说明。

基于在线评论的直觉模糊TOPSIS商品购买决策方法下载：43 浏览：433

林杰王梦娇张振宇《管理与科学》 2019年3期

摘要:

在线评论是消费者做出购买决策的重要信息来源,对消费者的决策行为产生显著影响。依据情感分析和直觉模糊相关理论,提出了一种商品排序方法,为消费者购买决策提供参考。首先运用Apriori算法对商品特征进行提取,建立商品各特征的情感词典、计算评论情感倾向,再根据情感倾向建立决策矩阵,运用直觉模糊TOPSIS方法对备选商品进行排序。对京东商城中真实评论数据进行实验,说明了本方法的可行性和有效性。

基于知识图谱与循环注意力网络的视角级情感分析下载：43 浏览：371

邓立明1,2,3 魏晶晶4 吴运兵1,2,3 余小燕1,2,3 廖祥文1,2,3 《人工智能研究》 2020年12期

摘要:

现有的视角级情感分析方法难以解决单词在不同语境下"一词多义"问题,因此性能受限.针对上述问题,文中提出基于知识图谱与循环注意力网络的视角级情感分析方法.首先,利用动态注意力机制,结合双向长短时记忆网络的文本表示和知识图谱中的同义词信息,获得知识感知状态向量.再联合位置信息构造记忆内容,并输入多层门限循环单元,计算视角词情感特征,进行视角级文本情感分类.在3个公开数据集上的实验表明,文中方法分类效果较优.

多模态情感分析研究综述下载：42 浏览：373

张亚洲1 戎璐2 宋大为3 张鹏4 《人工智能研究》 2020年10期

摘要:

多模态情感分析现已成为自然语言处理领域的核心研究课题之一.文中首先介绍多模态情感分析的研究背景,归纳该领域最新的两类子课题,即叙述式多模态情感分析与交互式多模态情感分析.再分别以这两类子课题为出发点,梳理概括相应的发展脉络,最后,总结目前该领域中存在的交互建模的科学问题,探讨未来发展方向.

面向属性抽取的门控动态注意力机制下载：72 浏览：442

程梦洪宇唐建张家硕邹博伟姚建民《人工智能研究》 2019年3期

摘要:

在现阶段属性抽取研究中,现有注意力建模及训练较刚性(单句一次成型),而单句中不同词汇的上下文存在语境语义的差异,一致的注意力分布缺少动态的适应性.因此,文中提出面向属性抽取的门控动态注意力机制,利用双向长短时记忆网络捕获目标句中每个单词的隐层表示.在注意力模型处理词一级属性预测时,根据目标词及其上下文,计算适应该目标词的注意力分布向量,可以根据上下文的变化自动调整注意力权重的分配.借助门控调整注意力向量流向下一层神经元的信息量,最终使用条件随机场进行属性标记.应用2014-2016语义评估官方数据集验证文中方法的有效性,F1值均有所提高.

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com