作者:宋祖康; 阎瑞霞 期刊:《计算机技术与发展》 2020年第02期
在当今商业领域,对网络评论的情感分类一直是一个比较热门的研究方向,而为了克服传统机器学习方法所构建分类器会产生较大计算开销,精度表现较差的缺点,提出一种基于深度学习模型中卷积神经网络(CNN)与循环神经网络(RNN)模型的情感分类方法。在以往的研究中,卷积神经网络往往被用来提取文本的局部特征信息,但却容易忽视文本的长距离特征,而RNN则往往被用来提取句子的长距离依赖信息,但容易陷入梯度爆炸问题。因此,结合卷积神经网络...
作者:颜孝为; 肖化 期刊:《网络安全技术与应用》 2020年第01期
传统文本情感分析,通常从文本(可以是文档、段落或句子)整体出发,只能给出一整句话的情感值,无法准确表达用户对不同目标(情感附着物)的情感倾向.因此,本文以深度学习算法为基础进行细粒度情感分析研究.通过分析注意力编码网络的结构和算法原理,提出相应的情感分析框架,以及文本预处理和文本表示方法.该模型在公开数据集SemEval 2014上进行了实验,结果显示基于注意力编码网络的情感分析模型可以获得更高的准确率.
作者:胡均毅; 李金龙 期刊:《计算机工程》 2020年第03期
文本中的词并非都具有相似的情感倾向和强度,较好地编码上下文并从中提取关键信息对于情感分类任务而言非常重要。为此,提出一种基于情感评分的分层注意力网络框架,以对文本情感进行有效分类。利用双向循环神经网络编码器分别对词向量和句向量进行编码,并通过注意力机制加权求和以获得文档的最终表示。设计辅助网络对文本的词、句进行情感评分,利用该评分调整注意力权重分布。在探究文本的情感信息对分类性能的影响后,通过辅助网络...
作者:卢强; 朱振方; 徐富永; 国强强 期刊:《数据分析与知识发现》 2019年第11期
【目的】提出一种融合语法规则的情感分类方法,提高中文文本情感分类的准确率。【方法】将中文语法规则以约束的形式同Bi-LSTM结合,通过规范句子相邻位置的输出模拟句子层次中非情感词、情感词、否定词和程度词的语言作用。【结果】相较于前沿的RNN、LSTM、Bi-LSTM模型,融合中文语法规则的Bi-LSTM模型准确率可达91.2%,在准确率方面得到较好的提升。【局限】实验数据集来源相对单一,只选取酒店评论数据集,在其他数据集上方法的有效...
近年来,随着互联网技术的进步,我国电子商务也有了快速的发展,越来越多的人选择网络购物,顾客利用互联网平台对所购产品进行文字评价或数字评分已成为一种常态。商品评论的情感分类是获取顾客对该商品直接反馈的一个重要方式。现阶段,在情感分类研究中最常用的是基于机器学习和情感词典的传统方法,但这些方法都存在一些不足之处。因此,本文主要采用深度学习中的LSTM网络对某品牌电视的评论进行模型构建与数据分析,并与基于机器学习...
作者:邬明强; 邬佳明; 辛伟彬 期刊:《计算机系统应用》 2020年第01期
随着网民的数量不断增加,用户上网产生的数据量也在成倍增多,随处可见各种各样的评论数据,所以构建一种高效的情感分类模型就非常有必要.本文结合Word2Vec与LSTM神经网络构建了一种三分类的情感分类模型:首先用Word2Vec词向量模型训练出情感词典,然后利用情感词典为当前训练集数据构建出词向量,之后用影响LSTM神经网络模型精度的主要参数来进行训练.实验发现:当数据不进行归一化,使用He初始化权重,学习率为0.001,损失函数选择均方...
作者:安明慧; 沈忱林; 李寿山; 李逸薇 期刊:《中文信息学报》 2019年第10期
面向问答型评论的情感分类在情感分析领域是一项新颖且极具挑战性的研究任务。由于问答型评论情感分类标注数据非常匮乏,基于监督学习的情感分类方法的性能有一定限制。为了解决上述困境,该文提出了一种基于联合学习的问答情感分类方法。该方法通过大量自然标注普通评论辅助问答情感分类任务,将问答情感分类作为主任务,将普通评论情感分类作为辅助任务。具体而言,首先通过主任务模型单独学习问答型评论的情感信息;其次,使用问答型...
作者:郑诚; 钱改林; 章金平 期刊:《计算机工程与应用》 2019年第20期
考虑到不同句子对判断文档情感倾向的重要程度不同,因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时,考虑到Title 和上下文信息,提出了一种基于Title 和加权TextRank 抽取关键句的情感分析方法SKTT,实现了高效的情感分析。根据文档Title 的情感权重计算Title 贡献度,考虑到标点和语义规则对情感倾向的影响;根据加权TextRank 算法思想,在文档正文中构建了一个情感句有向图来提取关键句;计算所有关键句的情感倾向进行...
作者:赵乐; 麦范金; 张兴旺 期刊:《小型微型计算机系统》 2019年第11期
情感分类是自然语言处理领域的一个核心问题,其目的是判断评论文本的情感极性,并挖掘其蕴含的情感价值信息.为了提取评论文本中潜在的情感信息,提高分类精度,本文提出了多特征融合的Voting-SRM情感分类方法.结合词性特征,语法特征等,提取名词,动词,形容词,副词等特征,然后运用软投票机制,结合随机梯度下降算法、随机森林、神经网络等算法,对已获取评论文本进行极性二分类.本文通过对比实验,验证了该方法的有效性.
作者:张翠; 周茂杰 期刊:《计算机时代》 2019年第12期
现在文本情感分类普遍采用深度学习的方法。卷积神经网络可以较好地提取局部特征,但是缺少对上下文的理解。长短记忆网络可以有效记忆较长距离的信息,有较强的全局性。为实现全局特征与局部特征的有效融合,研究了一种融合两种特征的深度学习方法,构建深度学习网络模型。利用互联网中获取的文本作为训练语料及测试语料,在百度开源平台PaddlePaddle上进行实验。实验结果显示,该算法与传统CNN和LSTM模型算法相比,识别的准确率分别提高...
作者:张志远; 万双双 期刊:《现代电子技术》 2019年第22期
CNN在处理短文本情感分类时,使用卷积层抽取局部特征,用最大池化层选取局部特征最大值,易忽略其长期序列特性。该文使用一种新的深度学习模型ConvLSTM,利用长LSTM替代CNN中的最大池化层,以减少局部信息的丢失并捕获句子序列中的长期依赖关系。在IMDB影评数据集和Amazon评论数据集上的实验表明,该模型较CNN和单纯的LSTM在准确率、召回率和F值等方面均有较明显的提高。
作者:孙松涛; 何炎祥 期刊:《工程科学与技术》 2017年第03期
面对微博情感评测任务中的多标签分类问题时,基于向量空间模型的传统文本特征表示方法难以提供有效的语义特征。基于深度学习的词向量表示技术,能够很好地体现词语的语法和语义关系,且可以依据语义合成原理有效地构建句子的特征表示向量。作者提出一个针对微博句子的多标签情感分类系统,首先从1个大规模的无标注微博文本数据集中学习中文词语的词向量表示,然后采用卷积神经网络(convolution neural network,CNN)模型进行有监督的多...
作者:刘晓菲; 丁香乾; 石硕; 李林春; 李忠态 期刊:《信息技术与网络安全》 2014年第24期
面对大数据时代消费者评价的海量信息,为了识别消费者评价信息的情感倾向,及时掌握消费者的评价信息反馈,采用K-近邻(KNN)算法对消费者评价信息进行情感分类,但是该算法在文本分类过程中因文本特征向量的维度高,使得算法的时间复杂度和空间复杂度较高,计算的开销很大。针对这一问题,通过对获取信息的文本结构以及情感表达特点的分析,采用一种改进的KNN算法进行文本情感分类。在对消费者评价信息进行分类时,先由潜在语义...
作者:李文江; 陈诗琴 期刊:《知识管理论坛》 2018年第06期
[目的/意义]对已有的文本表示、分类算法进行组合,遴选一种复杂度低、训练时间少的组合方式,构建商品评论情感文本分类的优化模型。[方法/过程]以Keras API为应用环境,将Word2vec词向量输入Embedding嵌入层,依据句子词索引序列,通过控制trainable参数实现3种商品评论的文本表示;将不同的文本表示分别与不同分类算法进行匹配,分析分类效果差异,确立较优算法组合。[结果/结论 ]Word2vec词向量输入Embedding嵌入层继续训练的文本表示...
作者:蔡玉霞; 孟佳娜 期刊:《大连民族大学学报》 2015年第05期
针对消费者网上购物时选择商品的用户体验不足等问题,设计了产品评论情感倾向性分类系统。系统首先对评论进行了分词,然后根据停用词表去停用词,分别采用CHI、IG进行特征选择,最后比较了使用不同的特征选择算法对文本情感分类结果产生的影响。系统采用了Java Web相关技术实现了可视化,并对产品评论的分类过程进行了展示。实验结果表明,有效的特征选择方法有助于提升推荐系统的性能。
作者:张妤; 邓廷勇; 夏冰 期刊:《科学技术创新》 2019年第26期
最小二乘支持向量机方法是将支持向量机约束条件中的不等式改为等式,从而将二次规划问题转换为求解简单的线性方程。本文应用最小二乘支持向量机对中文文本进行情感分类,最后通过仿真实验说明该方法的分类效果更优。
作者:王树义; 廖桦涛; 吴查科 期刊:《数据分析与知识发现》 2018年第03期
【目的】在竞争情报分析中,改进新闻报道信息主题识别效率,降低情报搜集成本,提升分析的即时性。【应用背景】适用于企业竞争情报人员通过新闻媒体对企业自身和竞争对手的报道抓取和主题识别,及时感知重要动态。【方法】使用情感分析API对爬取的新闻报道数据做出分类,利用LDA识别主题,并进行可视化分析。采用Python完成数据采集、清洗、分析与可视化等流程。【结果】从共享单车新闻中,识别出正负面情绪的不同主题,并且找出对应的主...
分析近五年全国高考语文卷,古代诗歌阅读部分侧重于考查考生把握诗歌情感。而这恰恰是古诗鉴赏教学的一个难点。研究情感概念,或许能更迅速地把握古诗的情感。笔者围绕这主题主要从两个方面研究:一是研究情感的分类,二是研究情感的指向。由此入手,通过确定诗中情感表达的类别及情感指向,进而把握古诗的感情,可以更完整、准确地理解古诗表达的思想情感。
作者:李寻; 陈强; 张琨; 丁昊天; 张李林清 期刊: 2019年第05期
将语料库从一种语言映射到另一种语言是跨语言情感分类的主要方案.为了解决语言术语和写作风格不同导致词汇分布不同从而降低跨语言分类精确度的问题,提出了一种基于卷积神经网络主动学习与自训练相结合的情感分类改进模型.在主动学习部分考虑了未标记样本的置信度度量,避免了离群值的干扰.最后,对3种不同跨语言的书评数据集进行仿真试验表明,与现有方法相比,改进模型可提高跨语言情感分类的性能.
作者:曾碧卿; 韩旭丽; 王盛玉; 徐如阳; 周武 期刊:《广东工业大学学报》 2019年第04期
卷积神经网络(Convolutional Neural Networks,CNN)无法判别输入文本中特征词与情感的相关性.因此提出一种双注意力机制的卷积神经网络模型(Double Attention Convolutional Neural Networks,DACNN),将词特征与词性特征有效融合后得到本文的特征表示,确定情感倾向.本文提出局部注意力的卷积神经网络模型,改进卷积神经网络的特征提取能力,采用双通道的局部注意力卷积神经网络提取文本的词特征和词性特征.然后使用全局注意力为特征分...