文本情感分类相关论文
随着互联网时代的崛起和移动设备的发展,每分每秒产生的文本信息不可估量,因此提取文本信息内涵和文本情感评价成为了自然语言领域......
[目的/意义]文本情感分类作为自然语言处理领域中一个重要的研究方向，具有十分重要的商业价值和社会价值。然而传统的情感词典法和......
弹幕视频是近几年才兴起的一种观看视频方式,即边看视频边发弹幕。随着新时代信息与传播技术的迅猛发展,也使得弹幕文化慢慢走向中......
中文文本情感分析是数据挖掘的重要基础之一,旨在自动判定文本中观点持有者对某一话题所表现出的态度。对中文网络评论文本进行情......
资本市场对实体经济的发展有着重要的作用,而股票市场又作为资本市场中最重要的一部分,一直受到社会各界的关注。我国股票市场投资......
学位
随着中国互联网商业模式逐渐成熟,居民生活也越发便利。随之可见线上市场交易规模也在持续不断的增加,在线评论所蕴含的社会和商业......
随着信息技术与互联网的迅速发展,人们的购物行为越来越倾向于在互联网电商平台产生。互联网电商平台上消费者在购物后所填写的商......
文本情感分类是一个自然语言处理领域中的常见问题。随着大数据时代数据规模的爆炸式增长,用户在互联网的使用中积累了大量的文本......
近年来,随着互联网逐渐地深入人们的生活,用户已经习惯了在各大平台上分享和发表自己的观点,这些包含着大量用户行为数据的评论文......
近年来,由于互联网以及社交媒体的不断发展,网络上的文本数据呈爆发式增长。研究这些文本数据的情感倾向对于政府部门的舆情监控、......
随着互联网技术的加速进步与全面发展,各类网络社交媒体如雨后春笋般出现在人们的生活中,极大地丰富了人们交互信息的模式,人们可......
文本情感分类是文本处理的重要研究领域,对于互联网舆情监管、信息获取、信息过滤等信息内容安全领域的研究具有重要意义。本文对......
伴随着互联网的迅速发展，网络已经成为了消费者反馈观点的主要途径。网络上包括的大量评论信息不仅仅为商家提供了一个信息展示的平......
文本情感分类是利用计算机对文本进行情感倾向性分类，利用文本情感分类可以对网络中舆情进行预测，可以对商业产品进行优缺点分析，甚至......
词袋模型是基于机器学习的情感分类任务最为常用的文本表示方法,然而传统的基于词袋模型的文本表示方法存在着一些基础性的问题,尚......
随着互联网技术的快速发展,越来越多的人们喜欢在网络上表达他们的观点。人们在网络上发表的文本内容大多包含一定的情感倾向且具......
传统的金融学理论是在股民满足理性假设的基础上提出的,此理论只适用于比较成熟的股票市场,要求股民可以理智地对股票市场进行判断......
随着信息技术与互联网的迅速发展,人们的购物行为越来越倾向于在互联网电商平台产生。互联网电商平台上消费者在购物后所填写的商......
文本情感分类任务旨在判别给定文本的情感类别(消极、积极等),是情感分析(Sentiment Analysis,SA)领域下基础且重要的工作。近来,......
互联网的用户普及率越来越高,很多人在社交媒体、电商等平台上发表自己对某个事件或某件产品的看法。因此,网络上涌现出大量的文本......
因为传统机器学习的文本分类算法大多依赖于文本库,所以在依附性和扩展性上有一定的缺陷,并且算法的性能上相较于深度学习算法相对......
随着互联网的飞速发展,人们也由以前的被动接收信息,逐步向主动参与转变,更乐于通过微博、博客、论坛等互联网平台公开发表自己的......
随着互联网技术的飞速发展和逐渐成熟,互联网技术极大地改善了人们的生活方式。现在人们足不出户也能通过电子商务平台购买世界各......
文本情感分类是自然语言处理领域的一个子任务,随着用户生成内容的爆发性增长,已经成为当前研究的一个热点。用户生成内容增长的不......
随着人工智能研究的不断发展,如何实现更好的人机交互成为目前的研究热点,而大多数工作则着眼于通过机器人性化以达到增强交互作用......
随着社交网络的快速发展,越来越多的人们习惯于通过社交平台发表自己的言论,分享自己的生活并获取自己感兴趣的信息。对文本进行情......
随着越来越多的人参与到互联网中,互联网产生了海量并有研究价值的文本信息,如何有效的对文本信息进行情感挖掘是现阶段研究的热点......
文本情感分类是基于文本的情感分析的主要研究方向和最终目标.本文提出了一种BLSTM-2DCP模型,即使用双向LSTM来捕获文本的上下文信......
针对Word2vec等静态词向量模型对于每个词只有唯一的词向量表示,无法学习在不同上下文中的词汇多义性问题,提出一种基于动态词向量......
针对Word2vec和GloVe等词嵌入方法无法学习相同词汇在不同上下文中的一词多义,以及单向语言模型的特征融合能力较弱的问题,提出一......
文本情感分类是自然语言处理领域的研究热点,更是产品评价领域的重要任务.考虑到词向量与句向量之间的语义关系和用户信息、产品信......
描述了生成式模型的概念及它在文本情感分类领域的发展,分析了生成式情感模型的分类,着重研究了不同生成式情感模型之间的关联性,......
海量网络信息的出现, 使得提取文本信息情感观点成为研究的热点.针对文本情感分类中文本信息模糊及分类准确率低的问题, 提出了一......
针对文本情感分类准确率不高的问题,在卷积神经网络CNN和栈式双向长短时记忆网络B-LSTM的基础上,提出了一种新的情感分析训练模型C......
中文情感分类一般分成基于情感词典和基于特征分类两种方法进行研究,但没有考虑过将两种方法得到的特征进行融合来提高分类效果。......
针对双向长短时记忆神经(BiLSTM)模型训练时间长、不能充分学习文本上下文信息的问题,提出一种基于BiGRU-attention的文本情感分类......
海量文本信息导致文本情感分类准确率低以及实时性差．针对这一问题，提出一种基于混合特征选择的向量空间模型聚类算法．首先将信息增益......
针对文本情感分类准确率不高的问题，提出基于核Fisher判别的文本情感分类方法，判别文本观点是正面还是负面。首先采用向量空间模型对......
文本情感分类方法在信息过滤、信息安全、信息推荐中都有广泛的应用。提出一种基于语义理解的文本情感分类方法，在情感词识别中引入......
非平衡数据中样本数量的不平衡分布往往伴随着特征分布的不平衡,在多数类文本中经常出现的特征,在少数类中却很少出现。针对非平衡......
针对语义情感知识的文本情感分析的局限性，本文提出情感项区分极性可信度的文本情感分类方法。首先，基于核心谓词结构提取修饰主题的......
为了将文本情感划分更细的类别,提出一种利用互信息和聚类抽样的文本情感分类方法,对文本进行分词和特征提取的预处理,通过聚类抽......
在文本情感分析中,情感词典的构建至关重要,然而目前这方面的研究大多集中在简单的词语极性判别上,有关情感词的权重赋值研究较少,......
细粒度的情感分类任务需要识别文本当中与评论对象相关度最高的观点词并进行情感极性分类.文中利用多头注意力机制改进记忆网络,提......
提出了一种基于 LDA-Col 模型的无监督主题情感混合（UTSU）模型．采用词序流对文本进行表示，对每个句子采样情感标签，对每个词采样主题标......
传统文本情感分类方法通常以词或短语等词汇信息作为文本向量模型特征,造成情感指向不明和隐藏观点遗漏的问题。针对此问题提出一......
提出了基于赋权粗糙隶属度的文本情感分类方法.该方法将特征倾向强度引入到文本的向量空间表示法中,建立了基于二元组属性（特征,特......
