情感分析

摘要： 产品差异化问题是电子商务研究的重要方向之一.企业通过产品差异化分析,能够使其产品或服务脱颖而出,从而增强品牌忠诚度和竞争力.从品牌和品牌层级两个维度出发,提出了一种基于在线评论情感分析和模糊认知图的产品差异性分析模型.首先,利用LDA模型提取用户关注属性;其次,通过LSTM和概率语言术语集捕获用户对商品及其属性的情感倾向;然后,利用模糊认知图,进一步探索属性间的关系;最后,根据扩展Bonferroni平均算子对决策信息进行汇总,获得对不同品牌与层级的综合评价,提出相应的改进意见.实验结果表明,提出的模型可以有效地挖掘用户关注属性以及属性关联关系,并能提升产品差异性的分析效果.

摘要： 现存的情感分析研究多以现代文本为主,而对古诗词的研究较少。为此,以苏轼存世的在线开放诗词为例,先采用基于单一词典库的方法对其整体情感基调进行可视化分析,后采用基于复合词典库的方法对特定篇章实例进行情感值计算及分析,以期为同类工作提供参考。

摘要： 针对传统词向量无法在上下文中表示词的多义性,以及先验的情感资源未能在神经网络中得到充分利用等问题,提出一种基于知识增强语义表示(Enhanced Representation through Knowledge Integration,ERNIE)和双重注意力机制(Dual Attention Mechanism,DAM)的微博情感分析模型ERNIE-DAM.首先利用现有的情感资源构建一个包含情感词、否定词和程度副词的情感资源库;其次采用BLSTM网络和全连接网络分别对文本和文本中包含的情感信息进行编码,不同的注意力机制分别用于提取文本和情感信息中的上下文关系特征和情感特征,并且均采用ERNIE预训练模型获取文本的动态特征表示;最后将上下文关系特征和情感特征进行拼接融合,获取最终的特征向量表示.实验结果表明,新模型在COAE2014和weibo_senti_100k数据集上的分类准确率分别达到了94.50%和98.23%,同时也验证了将情感资源运用到神经网络中的有效性.

摘要： 歌曲《莲灯》,选自原创现代民族歌剧《林徽因》,是一首难度极高的咏叹调作品,由金培达作曲、陈小朵首唱,该剧在首演之后引起广泛的关注。该曲以莲灯为意象,充分表达林徽因在种种经历后依然从容面对生死,对人生充满希望,积极实现人生价值的主题思想。文章从作品背景、林徽因诗歌艺术、情感分析、演唱处理四个方面展开阐述,呈现其深厚的艺术魅力。

摘要： 视频直播是近年来最火的新型产业。由于弹幕独特的在线实时、语言简略与互联网化特征,现有方法难以直接用于弹幕情感分析。为解决弹幕文本分析精度问题,针对弹幕语料库缺乏以及语言简略与互联网化特征,构建弹幕专属情感词典。针对直播弹幕语言的特性,提出一种基于改进SVM的情感分析模型。通过引入分类处理因子与梯度下降因子,降低了预测器的泛化误差。在此基础上,提出词向量、情感词、否定词和标点符号等多种融合特征的方法,将融合结果映射到向量空间上,再通过分类器进行情感分类。实验结果表明,改进的SVM分类器模型比未改进模型在精确率、召回率、F1值上分别提高3.8%、2.3%、1.1%。

摘要： 为合理评价电商平台物流客户满意度情况,提出一种基于评论大数据的物流客户满意度测算方法。首先,以生鲜电商为研究对象爬取大量在线评论,进行分词等操作并基于TF-IDF算法得出生鲜电商物流满意度的关键因素及其权重,随后构建物流属性词向量模型,结合词语权重和其与物流关键因素之间的相似性,区分每句话中的物流属性,确定用户重点关注的物流属性。然后,构建情感分析模型对物流相关评论进行情感分析,计算用户对物流各属性的满意度情况,得到评论中不同物流属性的客户满意度情况。

摘要： [研究目的]舆情评论情感分析是帮助相关部门及时掌握网民诉求、合理疏导舆情的重要抓手。为解决传统文本分析模型无法准确判别掺杂反讽语义文本的情感极性问题,设计了一种协同双向编码表征模型。[研究方法]将两个普通双向编码表征模型协同组合,分别进行反讽语义/非反讽语义、正面情感/负面情感的语义理解能力训练。然后将获取的反讽识别向量与情感识别向量通过一个额外的全连接层进行合并,构建协同双向编码表征模型。在反讽识别向量的指导下,此模型会根据评论文本的不同性质,在输出层进行不同的对应处理。[研究结论]以“望江女子溺水案”为例进行实验,结果表明:与普通双向编码表征、Text-CNN和Text-LSTM模型相比,协同双向编码表征模型的P、R、A、F1等指标均有明显提高。且在此基础上进行的LDA主题挖掘,可实现舆情评论情感极性的主题可视化,为相关部门进行舆情管控提供更加精准的决策支持。

摘要： 目的:描述线上健康社区精神障碍患者的行为方式,为精神障碍患者更好地参与线上健康社区来改善病情提供决策支持。方法:选取线上健康社区中773名精神障碍患者,根据其在社区中产生的行为和个体特征等信息,借助用户画像技术分别从兴趣主题、情感倾向以及在线影响力3个维度对患者的行为方式进行描述。结果:社区中女性患者更关注情感交流主题(P<0.01),男性患者更关注资源共享主题(P<0.001);年长患者更关注药物治疗主题(P<0.05),年轻患者更关注社交交友主题(P<0.05)。97.4%的患者表现出明显的情感倾向,且女性和年长患者更倾向表达正向情感(均P<0.05)。患者的在线影响力更符合幂律分布,年长患者的总体影响力和正面影响力更大(均P<0.05)。结论:线上健康社区精神障碍患者的兴趣较为广泛,正向和负向情感表达都有表现,不同年龄段患者之间的在线影响力有差异。

摘要： 近年来,旅游作为农业文化遗产动态保护和适应性管理的重要途径之一,逐渐受到遗产地的重视。农业文化遗产地旅游发展的特点以及当地劳动力现状决定了女性居民在旅游发展中发挥着重要作用。农业文化遗产地女性居民旅游参与问题影响遗产地保护和可持续旅游发展进程。因此,文章以前景理论和增权理论为基础,以浙江青田稻鱼共生系统为例,依据女性居民旅游参与的类型、时间分别对其进行分类处理,了解遗产地女性居民的旅游参与现状。利用ROST EA 1.9.04对访谈文本进行辅助处理,并针对不同类型女性居民进行情感分析。结果表明:相比较多重参与旅游的女性,单一参与旅游的女性会表现出更高的积极情绪;相比强参与旅游的女性,次强参与旅游的女性表现较为积极。究其原因,可以用前景理论中参照依赖、损失规避以及确定效应加以解释。同时,旅游的发展使得多数参与旅游的女性在经济、心理和政治等方面获得增权。但随着旅游参与程度的加深,承担多重劳动的压力,且在以家务分配权等家庭权力方面仍然处于相对弱势地位,成为多重参与或强参与旅游女性产生消极情绪的重要因素之一。因此,关于如何协调农业文化遗产地旅游社区女性居民合理参与到旅游发展中去,鼓励遗产地在制度增权和自主增权两方面赋权于民,仍然需要相关各方持续关注。

摘要： 旅游评价情感分析对了解游客偏好具有重要意义,然而现有的旅游评价情感分析模型较少突出游客情感描述的核心内容。为了更加精确地分析游客评价的情感倾向,提出一种结合词性注意力机制和双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,Bi-LSTM)的旅游评价情感分析模型。该模型采用BiLSTM捕获上下文语义信息并充分利用句子中词语的词性与情感极性词之间的关系,无需依赖人工组织的情感领域词典,并使用词性注意力机制关注情感描述内容核心部分。实验结果表明,该旅游评价情感分析模型具有更高的准确率、精确度、召回率和F1得分,分别达91.84%、90.63%、92.33%、91.47%,比自注意力机制(Self Attention Mechanism,SAM)与Bi-LSTM结合的情感分析方法分别提高4.3%、1.02%、5.12%、3.08%。

摘要： 随着互联网的发展,消费者在点评类网站发表的评论文本成为研究城市商业的一项重要数据来源.本文运用大众点评网(天津)餐饮、购物、服务等位于天津市中心城区内市级商业中心商业网点的数据,对消费者的点评文本采用自然语言处理的情感分析方法,研究商业网点的消费者情感状况,进一步在中微观层面以消费者的视角探索商业热点地区的空间分布格局,并提出相关发展建议.研究结果发现,天津中心城区内现阶段建设较完善的几个市级商业中心,其商业网点在空间都呈现密集分布;商业热点空间结构主要呈围绕核心极化型、依托道路延伸型、周边片区带动型三种模式,且一部分商业中心建设并未达到天津市商业中心布局规划(2011-2020年)的目标要求;最后为城市商业网点的布局规划提供一定的建议参考.本研究主要为城市商业热点地区的研究拓展新的数据来源,同时探索基于情感分析对商业热点地区研究的方法.

摘要： 文本情感分析是自然语言处理领域的一个重要研究问题,其基本任务旨在对文本情感的类别进行判断,对文本情感的要素,例如:情感的发起者、情感的对象、情感的原因等等进行抽取.伴随着深度学习方法的兴起,目前基于神经网络的方法已经成为文本情感分析领域的主流方法之一.但是目前的深度学习方法大多数将文本情感分析作为实验对象,并未对情感分析问题本身进行深入的解构.为此,本文以卷积神经网络为例,进行了一下几个方面的工作:首先,从数学的角度对卷积神经网络在文本情感分析中的工作原理进行了解析;其次,在这一解析的基础上,利用卷积进行基于注意力机制的加权,与多种不同的神经网络进行结合;最后,在多个情感分析相关问题的实验上验证了相关方法的有效性.

摘要： 随着行动终端设备与行动上网的普及,使社群媒体大数据呈现爆炸式的成长,因此,社群媒体大数据挖掘可应用于用户行为的相关研究.信息系统中之人、机、物、事、网、时6个基本要素及其交互关系的整体结构为起始点,在现有物联网的基础上,运用语意物联网(Semantic Web of Things,SWoT))在语意网、物联网与社会网络的基础上,建构并融合物理空间、网络空间与社会空间形成的开放服务生态系统,能自动发现情境信息,消除物理世界、网络世界与社会世界之间的隔阂.本研究将探讨如何针对社群媒体进行挖掘以及如何运用行动终端设备所记载的大数据,提出一个以“公共运输使用者为中心的情感分析”初阶架构,亦针对后续应用提出结论与建议.

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NLPCC2014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.

摘要： 《西游记》是中国四大名著之一,“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.本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,比较孙悟空在“真假美猴王”事件前后对其他角色的情感值的变化,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.

摘要： 随着中国经济的不断发展,北京作为文化中心,大众的文化消费水平在不断提高.而参观博物馆是大众最为喜爱的文化消费方式之一,博物馆的客流量也在不断提高.同时,随着互联网时代的到来,互联网越来越成为大众生活中不可或缺的事物.微博作为当下最为热门的互联网社交软件之一,有大量用户通过发表微博,记录对生活的感受,微博文本数量庞大.本文将通过python进行数据抓取,抓取不同类型的博物馆相关微博文本,并以此为基础进行情感分析,计算出大众对于博物馆的情感倾向,同时将评价数值予以分类,并从博物馆、季节和区县的角度,对情感分析的结果进行分析.

摘要： 粮食储藏关乎民生和国家安全,粮食在储藏过程中,由于各种因素的影响会发生数量减少和品质的下降,无论是人为可避免还是人为不可避免的因素,或多或少的都会造成储粮损失,有效和及时减少我国粮食产后损失浪费的迫切性显而易见,这将在保障国家粮食安全、稳定粮食价格等方面发挥着重要作用.本文主要是采用大数据分析研究的方法来实现对粮食损失文本的情感计算。通过数据获取模型抓取粮食相关网站上的粮食损失文本数据，并将爬去的文本数据保存为CSV格式，存储并建立分析数据库，并在此基础上通过对文本的一系列处理分析、相关统计的分析，以及建立LDA主题模型进行分类、后期数据处理之后的可视化等进行加工提炼出有效主题和关键词，从而达到理论上的语义建构与对策研究的有机结合，并结合前述提取的粮食损失因素，能够结合实际来分析粮食损失问题，结合情感分析，最后提出更具操作性的粮食减损建议。

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,本文构建了细颗粒度情感语料库,共包含9343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;基于本语料库的“三要素”自动标注实验F1值可达69.25％,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.

摘要： 特定目标情感分类是一个极具挑战的任务,其目的是确定上下文语境中某些实体所表达的情感.由于目标实体的情感依赖于实体本身以及对上下文的理解,在分类时应该同时考虑句子和目标实体,并且需要将目标实体与上下文语义进行充分地整合.因此,本文提出:句子、目标实体共同编码方法;基于动态注意力DAGRU(Dynamic Attention Gated Recurrent Unit)的特定目标情感分析方法.共同编码是指同时对句子和目标实体进行语义编码,能为目标实体增加上下文语义;动态注意力机制能动态地改变模型对上下文单词的注意力以及目标实体的表示,从而更有效地获取上下文情感特征,使模型更准确地识别不同目标实体的情感类别.本文模型在SemEval2014的数据集Laptop、Restaurant上进行实验,实验结果表明,基于动态注意力DAGRU的模型相比基于标准注意力的模型结果有显著提高.

摘要： 基于公民在参与和理解科学中的重要角色及其在社会议题框架建构中所起的作用,本文重点研究了"社会机器人索菲娅获得沙特阿拉伯公民身份"这一新闻事件报道中的网民框架.本文收集了新浪微博平台上的三大新闻账号关于此事件报道的2372条微博用户评论作为有效样本,通过内容分析法进行编码,识别出该事件中的公众框架、情感表达以及社交媒体上的微博互动,并且分析了两两之间是如何产生相互作用的.本文通过因子分析提炼出关于社会机器人话题的六类公众框架:人机博弈、风险收益、似人性、智能化、道德伦理、质疑报道,并且通过逻辑回归分析发现公众框架中的人机博弈、风险收益、道德伦理与质疑报道、消极情感显著正相关,而似人性与智能化的框架则分别与消极情感呈显著的负相关.此外,本文还发现公众框架与微博互动显著相关.笔者的研究发现对我国人工智能与社会机器人的发展、科学传播与用户认知具有学术和现实层面的双重价值.

摘要： 本发明涉及到情感分析领域，提出了一种基于语义、情感惯性和情感共性的对话情感分析方法，步骤包括：首先获取对话交替进行的多轮对话数据，并对不同人物角色进行标明；然后对多轮对话中的每条对话信息进行时序建模，提取出其中对应的语义信息表达序列；最后基于多轮对话所提取的语义信息表达序列，分离出对应的情感状态表达序列，并进行情感识别。在本发明中，打破了传统的以语义信息决定情感分类的做法，提出了由语义状态与情感状态分离的方法，由情感状态决定情感分类，从心理学的角度改进了现有对话情感分析方法，提升了情感识别的效果。

摘要： 本申请提供一种情感分析方法、评价、情感分析模型的训练方法及装置，涉及计算机语言文字处理技术领域。其中，通过获取待分析文本数据；采用评价主体提取模型，提取待分析文本数据中的评价主体，其中，评价主体提取模型通过评价样本数据训练获取；采用情感分析模型对各评价主体对应的待分析文本数据进行情感分析，获取各评价主体对应的情感分析结果，在此过程中，由于可以通过评价主体提取模型提取到待分析文本数据中的评价主体，进而后续进行情感分析时，可针对所提取的评价主体进行有针对性的分析，提高情感分析结果的准确性。

摘要： 本公开公开了一种情感分析模型的训练方法，涉及人工智能领域，尤其涉及自然语言处理领域。具体实现方案为：获取样本数据，样本数据包括针对对象的第一评价文本和所述第一评价文本的标签，所述标签包括第一评价文本对对象的至少一个方面的情感极性；生成第一评价文本相对于至少一个方面中每个方面的特征向量；使用情感分析模型基于所生成的特征向量之间的关系，评估第一评价文本对对象的至少一个方面中每个方面的情感极性，作为评估结果；根据评估结果与第一评价文本的标签之间的差异，调整情感分析模型的参数。本公开还公开了一种情感分析模型的训练装置、情感分析方法和装置、电子设备和存储介质。

摘要： 本公开提供了一种文本情感分析方法、情感分析模型训练方法、装置、设备及介质，涉及自然语言处理领域，尤其涉及人工智能及大数据技术领域。具体实现方案为：获取评论语句，将评论语句输入情感分析模型，情感分析模型为通过训练数据集对textRNN模型训练得到的模型，训练数据集中包括多条样本评论语句以及NLPC模型对每个样本评论语句的情感分析结果。获取情感分析模型输出的情感分析结果。实现了在私有化环境中利用情感分析模型对评论语句进行情感分析。

摘要： 本发明适用于计算机技术领域，提供了一种文本的情感分析方法、情感分析装置、终端及计算机可读存储介质，其中，所述情感分析方法包括：获取目标文本对应的第一文本向量；利用已训练的门结构的循环神经网络对所述第一文本向量进行处理，将所述目标文本的上下文时序信息融合到所述第一文本向量，得到第二文本向量；对所述第二文本向量进行池化，得到所述目标文本的语义特征；基于所述语义特征，确定所述目标文本的情感分析结果。本发明能够提高文本的情感分析结果的准确性。

摘要： 本发明涉及计算机语言处理技术领域，且公开了一种基于非结构情感分析的句法分析情感标签抽取方法，包括句法解析、情感标签抽取、情感标签过滤、构建情感倾向性分析模型、情感倾向性分析、构建情感因子词库、评价对象抽取。该基于非结构情感分析的句法分析情感标签抽取方法，利用情感因子词汇标签获取，对候选情感原因子与关于情感因子描绘进行收集汇总，将收集到的情感因子词汇汇总然后进行情感标签过滤，过滤掉不属于相关情感标签，在抽取情感标签因子前将情感标签因子进行归纳、筛选从而可以大大地减少抽取无效情感因子标签的概率，句法分析情感标签抽取前，通过归纳收集抽取大大提高情感标签抽取效率。

摘要： 本发明公开了情感分析技术领域的融合情感资源的多模态情感分析模型，包括：用来进行文本、视觉与听觉模态特征初步提取的单一模态特征提取层模块，利用Transformer捕捉模态内部的动力，并设计情感词分类预测任务进行情感嵌入学习和提取的单一模态特征深度提取层模块，利用情感嵌入来完成多模态特征交互学习，使得其他模态特征能够感知文本中情感信息的跨模态交互学习层模块，将前三层学习到的情感特征表示最终输入深度神经网络完成最终预测任务的预测层模块，首个将情感资源作为主导信息来进行多模态情感分析的模型，设计了一种情感词分类预测任务进行情感知识学习，相较于现有的多模态情感分析方法，本申请的方法具有明显优势和较好的泛化性。

摘要： 本发明属于图像内容分析领域，公开了一种基于情感属性挖掘的图像情感分析方法，利用用户元数据信息挖掘，构建语义覆盖面大、情感可判别能力强的情感属性子集，并采用融合神经网络和矩阵分解模型预测标签矩阵，提升图像情感分析结果的准确性与稳定性。根据用户标签元信息和情感属性的特点，融合四种情感属性特性并优化概念选择模型完成情感属性子集选择；利用卷积神经网络提取视觉特征并通过视觉内容一致性优化；构建引入外界知识库指导的邻接图并通过语义关联性优化；将图像视觉特征和标签语义特征映射到潜在共享空间中，实现预测标签矩阵的重构；最后，利用训练好的重构模型来重构预测标签矩阵，并使用线性分类器进行最终的情感识别。

摘要： 本发明涉及文本情感分析技术领域，且公开了一种基于情感摘要的文本情感分析方法，包括：待识别的文本；以及空白文档，用于在进行分析之后显示分析后的文本，在一种可能的实施方式中，包括以下步骤，S1、对待识别的文本进行分句，包括但不限于空格、逗号、句号，利用空格、逗号、句号，将已有的文本更改为一段完整的语句；S2、将转化为完整一句话的文本进行识别，同时录入后台的数据，对原文本进行存放，同时将原文本分为至少三份进行分析，通过本发明所提供的一种基于情感摘要的文本情感分析方法，能够对语句进行分析，能提高对语言情感的识别精度，且还能够自主进行学习等优点。

摘要： 本发明提供了一种融合用户情感倾向的社交网络评论文本情感分析方法和系统，通过用户的历史评论的情感极性分布以及社交关系计算用户的情感倾向分值；以用户的情感倾向分值作为用户的属性信息，用户与用户之间的社交关系为边信息构建用户社交关系网络；提取用户情感倾向特征表示；提取评论文本的特征表示；通过联合策略融合评论文本特征和评论对应的用户情感倾向特征得到评论联合特征表示，构建逻辑回归模型对社交网络评论文本的情感极性进行预测分析。本发明结合了用户心理干预因素，在技术上把用户情感倾向特征和文本特征相融合得到特征增强的联合特征用于社交网络文本情感分析，相比传统的仅基于文本特征的情感分析方法有更高的精确度。