基于特征选择技术的情感词权重计算

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,且已有的权重赋值方法基本上都需要人工辅助来选取基准词,这给实际应用带来很大的困难. 针对此问题,提出了一种自动的基于特征选择技术的情感词权重计算方法. 首先提出了词语情感权重与文本情感倾向的相关假设;然后针对情感分类,结合二元分类的特性改进了信息增益( information gain, IG)和卡方统计量( chi-square,CHI) ,将特征选择技术应用于情感词权重计算. 实验结果表明:将计算所得的带情感权重的情感词库用于文本情感分类能够提升分类精度.     

面向文本情感分析的中文情感词典构建方法

提出了构建基于HowNet和SentiWordNet的中文情感词典方法。将词语自动分解为多个义元后计算其情感倾向强度,并且使用词典校对方法对词语情感倾向强度进行优化。将所构建词典应用到文本情感分析任务中,使用支持向量机构建文本情感分类器进行实验。实验结果表明,该词典优于一般极性情感词典,为情感分析研究提供了有效的词典资源。     

基于词向量的领域情感词典构建

针对现有领域情感词典在情感和语义表达等方面的不足,提出一种基于词向量的领域情感词典构建方法。利用25万篇新闻语料和10万余条酒店评论数据,训练得到word2vec模型;选择80个情感明显、内容丰富、词性多样化的情感词作为种子词集;利用TF-IDF值在词汇重要程度的度量作用,在酒店评论中获得9 860个领域候选情感词汇;通过计算候选情感词与种子词的词向量之间的语义相似度,将情感词映射到高维向量空间,实现了情感词的特征向量表示(Senti2vec)。将Senti2vec应用于情感词极性分类和文本情感分析任务中,试验结果表明,Senti2vec能实现情感词的语义表示和情感表示;基于特定领域语料的语义相似计算,使得提取的情感特征更具有领域特性,同时不受候选情感词集范围的约束。     

基于支持向量机的文本倾向性分类研究

文本倾向性分类可以广泛应用到信息检索,产品质量在线跟踪,民情民意调查分析以及聊天系统等.本文提出了基于限定词性词语与信息增益、基于情感倾向词汇与信息增益的两种混合特征选择方法,并设计了基于支持向量机的分类器.以汽车产品、篮球赛事以及中日关系3种中文评论文本为训练与测试语料,对本文所提方法进行了实验验证,结果表明:限定词性词语与信息增益的混合特征选择优于信息增益与情感倾向词汇混合特征选择方法.     

基于AM的BLSTM网络电商评论情感倾向分类

针对电商评论中所包含的消费者情感倾向信息问题,提出一种基于注意力机制和双向长短期记忆(bidirectional long-short term memory,BLSTM)网络的情感倾向分类模型。该模型使用预训练的字向量作为输入特征,通过双向长短期记忆网络来学习文本的语义特征。依此特征,设计了一种新的注意力机制来捕捉BLSTM模型生成的文本语义特征中重要的信息,以降低文本中冗余噪声对于情感倾向分类的影响。实验结果表明,与传统机器学习方法以及长短期记忆模型和双向长短期记忆模型相比,所提出模型在电商评论的情感倾向分类上取得了较好的结果。     

基于多特征融合的微博情感摘要方法

微博情感摘要是对微博文本的主题和情感信息进行抽取,归纳为带有情感倾向的总结性描述。已有的相关研究忽视或者不能准确得到话题的正面和负面情感摘要。针对该问题,提出一种基于多特征融合的微博情感摘要方法。首先,对语料进行预处理并统计语料中的共现词对;然后,利用BTM模型挖掘文档中的隐含主题,计算语料和文档的主题概率分布;最后,利用该分布计算句子的主题相关度和情感特征权重,并抽取与话题相关度高且情感特征权重较大的句子形成正面和负面情感摘要。实验结果表明,相比传统方法,文章方法能够有效提高微博情感摘要的综合性能。     

融合表情符号与短文本的微博多维情感分类

表情符号已成为网络语言重要组成部分,是分析社交媒体情感的主要特征之一.目前分析社交媒体情感符号的方法多针对Emoji,对颜文字的情感倾向没有相应分析.为获取中文媒体的多维度情感并分析热点话题的群体情感走向,本文以微博为例提出一种新的融合表情符号与短文本的多维情感分类方法.在该框架中,采用深度学习模型分析文本与Emoji组合部分、颜文字部分,分别计算两部分的7种情感强度,挖掘各部分与情感标签的深层次关联,并设计计算模型来反映语句包含的多维情感属性,实现对语句多维情感强度的检测.实验选择NLPCC2014数据集和爬取的带有颜文字的微博数据集进行验证,实验证明当文本与Emoji组合、颜文字占比分别为0.6和0.4时情感分类效果最好,且含颜文字的语句情感分类性能指标始终高于不含颜文字的语句,这表明融合表情符号和短文本的形式有效提高了情感检测精度.该方法为研究群体情感趋势提供了更细粒度的分析,为中文社交媒体的情感分析提供了新思路.     

一种基于朴素贝叶斯的中文评论情感分类方法研究

提出一种新的基于朴素贝叶斯的中文文本情感分类方法。该方法用情感短语作为文本特征,通过情感词典与否定副词相结合,提取情感短语,通过CHI统计法设定阈值进行特征提取,再利用朴素贝叶斯分类器进行情感分类计算。对不同CHI阈值、不同语料库、以情感短语为特征和以情感词为特征进行分类实验。实验表明,以情感短语作为特征进行朴素贝叶斯分类,在不同领域的评论中均获得了较高的查准率和查全率,证明了该方法的可行性。     

基于评论文本情感注意力的推荐方法研究

基于评论文本的深度学习推荐方法主要利用评论文本刻画用户和项目的特征信息,学习用户对项目的评分关系,提升推荐的性能.现有研究工作在提高推荐系统精度质量的同时,忽略了情感特征在评分预测中的可解释性贡献.针对此问题,考虑了评论文本以及情感倾向分别在用户和项目嵌入中的作用,提出了一种基于评论文本情感注意力的推荐方法(Incor...     

针对虚拟人的文本情感语义分析

为了使个性化虚拟人更加形象生动,能根据用户输入的文本做出表情动作,运用自然语言处理技术对中文和英文文本进行语义和分类处理,分析出动作和情感信息。采用潜在语义方法从文本中提取出动作语义信息,利用hownet计算词汇相似度,使用K最近邻方法将文本情感信息分为6类：愤怒、厌恶、恐惧、喜悦、悲伤和惊讶。实验结果为：语料文本分类准确率为87.5%,系统能从用户输入的文本中提取出情感、动作信息,使虚拟人做出相应表情变化。     

基于平滑SO-PMI算法的微博情感词典 构建方法研究

对现有情感词典在微博情感分类中的适用性进行了分析,针对现有情感词典在微博中情感词覆盖度低的问题,整合现有情感词典资源,构建了一个微博基础情感词典,同时提出了一种基于拉普拉斯平滑的SO-PMI算法对微博基础情感词典中没有收录的情感词倾向性进行判断,最后利用微博情感词典与拉普拉斯平滑的SO-PMI算法对微博情感词典进行了构建,并对所构建微博情感词典的分类性能进行了实验。实验结果表明,该方法所构建的情感词典在微博情感分类中能达到较好的分类效果。     

翻译过程中英汉心理词汇交叉作用之研究

以翻译信息加工的双元结构概念为理论基础,从英汉翻译过程的心理角度出发,通过对母语心理词汇和外语心理词汇的对比研究,论述翻译过程中英汉心理词汇的交叉作用,为外语学习者的翻译实践在理论上提供指导。     

心理词库视角下词汇错误的认知分析

为了解二语学习者词汇使用的心理过程,利用心理词库的组织构建模型对英语作文文本中出现的错误分别从概念层、词目层和词位层做出认知分析.发现学习者受词汇近义关系使用的混乱及写作过程中的母语思维的影响,会造成概念层模糊;母语负迁移、教师归纳性受训迁移及泛化句法结构会引起词目层出现错误;英汉不同的正字法系统会造成词位层的拼写错误.最后认为应该加强学习者词汇的纵聚合和横组合的语义关系,完善其心理词库的语义网络,以提高词汇提取的准确性.     

多媒体与网络环境下大学英语情感教学研究

探讨多媒体网络教学环境下大学生英语学习活动中的情感因素和实施情感教学的可行性。以2007级非英语专业本科生为研究对象,进行问卷调查和个别访谈,并对所得数据及结果进行统计分析。结果显示：多媒体与网络环境下的大学英语教学模式使学生能够产生更多的有利于英语学习的积极情感,网络环境下的人机交流能提供更多更广的师生之间及学生之间的情感交流,增强移情意识。因此,多媒体网络教学环境有利于教学情感目标的实现。     

网络环境下大学英语自主学习中的情感因素调查研究——以沈阳建筑大学为例

通过问卷调查和访谈的方式研究了影响学习者自主学习能力提高的三个重要情感因素:焦虑、学习动机、学习态度。研究表明,大多数受试者在网络环境下的大学英语自主学习中呈现出适度焦虑的心理状态,但仍有少部分学生存在着一定程度的焦虑;学习者的工具性动机高于融入性动机;学习者有一定的自主学习意识,但是对自己在自主学习中的角色不够明确。针对这些发现,提出了相应的教学建议。     

析词汇扩大与记忆

词汇知识在永久记忆中的组织被称为心理词汇.以心理词汇的词汇知识即心理词汇的组织、激活词汇知识以及词义在记忆中保存为基点,从语义的成分分析入手,阐述词汇扩充的一些具体方法技巧.     

浅谈职高学生在线学习情感模型

随着计算机网络与通信、心理学、人工智能等技术的飞速发展,通过网络进行在线教育的模式越来越受到人们的欢迎。但是绝大多数职高学生因为学习习惯较差、学习方法不当、注意力集中时间较短等原因,通过网络在线学习往往不能取得较好的学习效果。针对这一原因,在前人研究的情感模型的基础上进行完善,引入非认知因素,如学习个体的个性特征、外界刺激等,及时对学生在线学习中情感的变化做出相关的反应,使职高学生在线学习时达到更好的学习效果。     

二语习得中情感因素对大学生英语口语学习的影响

本文以二语习得中情感因素的相关理论为指导,通过对本院60名二年级非英语专业学生进行问卷调查,从而对学生口语学习的动机、焦虑感、性格等情感因素进行了研究,以探寻情感因素与英语口语的关系.通过研究,作者发现情感因素对大学生英语口语有着显著的影响.积极的情感因素有利于调动学生的积极性和主动性,培养学生良好的学习态度,提高学习能力.消极的情感因素则不利于学生的学习.最后,作者从研究者角度探求了降低情感因素对学生口语影响的策略,提出了激发学生学习动机、增强自信心及缓解焦虑的途径,从而消除情感因素对口语学习的负面影响.     

教师专业发展评价：依据、型式与转向

教师专业发展是我国高质量教师队伍建设的必由之路。在教师专业发展评价的内容方面应注重其法律准则、价值取向和基础标准的分析;在评价型式方面,要明确评价的方法论和价值取向,应注重多种评价方式和类型的结合;教师专业发展评价应实现从连续性到非连续性生态化转向、教师个人事务到学校管理绩效的多样化转向以及“教龄＋职称”模式到发展性模式的转向。