情感类型

摘要： 牡丹花素有“国花”之誉,自出现便夺得了众人的眼目。唐代出现了大量咏赞牡丹的诗篇,牡丹诗成为咏花诗中一个颇为瞩目的种类。牡丹作为感情兴发的媒介,出现在诗人的视野触发了他们不同的情感,他们或赞赏牡丹之美艳、或讽喻富贵者的豪奢、或抒发自己怀才不遇的忧愤、或悲叹国势的衰亡亦或是感慨时光的流逝。文人对牡丹的书写定义了牡丹的艺术品格并对后世文学产生了一定的影响。

摘要： 阅读诗歌的重点是精准把握诗歌的情感.中国古代诗歌常见的情感类型有五种,这些情感类型给教学搭建了概念支架,符合学生的最近发展区,能够降低学生把握诗歌情感的难度.

摘要： 中国古代文学特别是唐代诗歌,历史底蕴深厚,文化思想深邃,对培养杰出人才起到助推作用.培养人可以从个人品行修养入手,以情感体验为重点,以唐诗中的亲情、友情、爱国情、闲适感等为依托.唐诗教学采用"晓之以诗,动之以情"的教学策略,借诗歌抒发爱国情怀,表达爱国激情,从而增强大学生的文化自信心,以此推动唐诗教学改革.

摘要： 陆游的听雨诗包涵羁旅之愁、怀友之悲和闲适之情,又将爱国之情融入雨中,抒发虚静超然的道释思想和在雨声中激发的生命意识,意蕴丰厚.陆游听雨诗的艺术成就,主要体现在以虚实相济的手法营造空灵忧伤的氛围,语言晓畅自然,情调凄苦孤寂.而故乡山阴潮湿多雨的自然环境、南宋风雨飘摇的政治局势以及诗人孤独愁苦的老年心境,则共同孕育了陆游极具特色的听雨诗.

摘要： 语文这门学科具有工具性和人文性的特征,在素质教育改革背景下,语文学科的人文教育功能受到更多的重视,大力倡导教师要注重情感教育的运用,发挥语文学科教学的优势,促进学生实现知识和情感上的发展。初中语文教材在选文方面就非常注重情感类型,包括审美情感和道德情感类型的文章,教师在教学中也要注重进行情感的渗透,要深入挖掘选文的情感因素,科学设计教学目标,突出学生的主体地位,精心创设教学情境,还要注重把握教材选文的情感渗透特征,从而确保良好的教学效果。本文以统编版教材为例,主要针对初中语文教材选文的情感渗透及教学策略进行了探讨,以供参考。

摘要： 贬谪是中国古代重要的政治惩罚制度,指臣子或因上谏冒犯统治者被放逐,或因党争失败、小人构陷等原因调任至远离政治中心的地方。所谓"道屈才方振,身闲业始专",困顿的谪居生活没有造成中国古代文学土壤的贫瘠,反而孕育出不少动人心魄的佳篇。尚永亮教授曾言"一部中国文学史,很大程度上是由迁客骚人的低吟高唱所构成"。

摘要： 为了有效识别视频情感的内容，本文基于未确知数学理论，建立了视频低层特征和高层认知情感之间的联系，提出了一种基于未确知测度的新算法。算法由两部分组成: 视频低层情感特征处理模块，主要提取视频的场景亮度、镜头切变率和色调效能的情感特征;视频情感判定模块，用 来构建未确知情感测度矩阵与判定视频场景的情感类型. 实验结果表明，该算法是可行的，识别 精确度超过百分之七十。

摘要： 本发明公开了一种基于多分辨率情感和多类型知识的情感对话生成方法，包括接收对话中的语句文本，并进行标记；建立多分辨率情感模块；多分辨率情感模块将情感词转换为向量表示，生成最终多分辨率情感上下文；建立多类型知识交互模块；多类型知识交互模块通过对话上下文和多类型知识之间的联合交互构建情感增强的上下文；生成交互式向量，提取情感信号；解码器进行响应，生成情感响应并与用户输入共同构成情感对话。本发明利用多种类型的知识明确理解和表达情感对话生成中的情感，利用多类型知识获得情感增强的上下文语境图，利用多分辨率情感来更好地捕捉用户情感的细微变化，并将多向量进行融合并提取情感信号，来指导情感响应的生成。

摘要： 本发明公开了一种基于语法依赖类型和方面间关联的情感分析方法，包括S1获取需要分析的文本，并通过预训练模型将其转化为词向量表示；S2将特定方面与句子表示的每一个单词进行拼接，并引入语法依赖类型，赋予语法依赖树中重要的依赖类型更大的权重；S3将带有方面感知和语法依赖类型的句子表示作为模型的输入；S4引入方面间关联矩阵，并经由图卷积网络获取到含有方面间关联的句子表示；S5将含有方面间关联的句子表示和含有方面特征的句子表示融合起来；S6得到同时含有方面信息和方面间关联的句子表示后，结合查询向量来判断目标方面的情感极性。本发明提升了模型识别方面间信息以及语法依赖关系的能力。

摘要： 本发明实施例中公开了一种情感类型识别方法及相关装置，应用于预先训练的情感类型识别模型，包括：获取待识别语句；确定待识别语句中的特征基本元素；结合待识别语句的上下文语句，确定待识别语句的语境；依据待识别语句的语境，确定待识别语句中的特征基本元素在所述语境中的特征语义；依据待识别语句中的特征基本元素对应的特征语义，对待识别语句进行情感分析，确定待识别语句的情感类型。待识别语句中特征基本元素对应的特征语义是结合待识别语句的语境确定的，能够依据语境识别出特征基本元素在待识别语句中的真实语义，从而依据待识别语句中特征基本元素对应的真实语义，对待识别语句进行情感识别，提高情感类型识别的准确度。

摘要： 本发明公开了一种词语情感类型的分析方法和装置。其中，该方法包括：对文本样本进行分词处理，得到词语集合；从词语集合中抽取预设数量的第一词语得到第一词语样本；使用预设的情感标注值设置第一词语样本中的各个第一词语的情感属性，得到多个情感类型的第二词语样本；基于第二词语样本中的第二词语的词组向量及情感属性计算各个情感类型的高斯分布参数；使用高斯分布参数计算文本样本中的第三词语的对应各个情感类型的概率；基于该概率确定第三词语的情感类型。通过本发明，解决了现有技术中机器无法准确分析词语的情感类型的问题，实现了机器可以自动判断语料库中已有词语的情感倾向性并自动准确地分析给定样本词语的情感类型的效果。

摘要： 本发明公开了一种事件情感类型的分析方法和装置。其中，该分析方法包括：对文本样本进行分词处理，得到词语集合；对词语集合中的第一词语的情感倾向性进行标注，得到各个第一词语的情感倾向性的标注值；计算文本样本中的事件与词语集合中的第一词语的关联度数据；按照关联度数据倒序排序，得到第一词语的排序表；从排序表中提取第一预设数量的第二词语；使用第二词语的情感倾向性的标注值和第二词语的关联度数据进行加权计算，得到加权值；获取加权值所属的预设加权范围的情感类型。通过本发明，解决了现有技术中手动分析事件的情感类型的效率低、准确度差的问题，实现了提高分析事件的情感类型的效率和准确度的效果。

摘要： 本发明提供了一种情感类型的识别方法和装置，该方法包括：获取待识别的目标文本；使用人工智能模型，识别出目标文本所表达情感的情感类型，人工智能模型用于使用深度学习网络和注意力机制来深层次捕捉文本内容之间的关系，可以解决现有技术中模型对情感识别不准确的问题。

摘要： 本申请公开了一种情感类型确定方法，包括：获取待分析文本，所述待分析文本包括至少一个实体词。将所述待分析文本输入情感类型确定模型，得到所述至少一个实体词中每个实体词分别对应的情感类型。其中，所述情感类型确定模型，可以确定所述待分析文本的第一词嵌入向量和所述至少一个实体词的第二词嵌入向量，并进一步根据所述第一词嵌入向量和所述第二词嵌入向量，确定目标注意力权重。并根据所述第一词嵌入向量和所述目标注意力权重，确定所述至少一个实体词中每个实体词分别对应的情感类型。由于所述情感类型确定模型在确定目标注意力权重时，考虑了所述至少一个实体词的第二词嵌入向量。因此，本方案，能够准确的确定出实体词的情感类型。

摘要： 本发明实施例中公开了一种情感类型识别方法及相关装置，应用于预先训练的情感类型识别模型，包括：获取待识别语句；确定待识别语句中的特征基本元素；结合待识别语句的上下文语句，确定待识别语句的语境；依据待识别语句的语境，确定待识别语句中的特征基本元素在所述语境中的特征语义；依据待识别语句中的特征基本元素对应的特征语义，对待识别语句进行情感分析，确定待识别语句的情感类型。待识别语句中特征基本元素对应的特征语义是结合待识别语句的语境确定的，能够依据语境识别出特征基本元素在待识别语句中的真实语义，从而依据待识别语句中特征基本元素对应的真实语义，对待识别语句进行情感识别，提高情感类型识别的准确度。

摘要： 本发明公开了一种词语情感类型的分析方法和装置。其中，该方法包括：对文本样本进行分词处理，得到词语集合；从词语集合中抽取预设数量的第一词语得到第一词语样本；使用预设的情感标注值设置第一词语样本中的各个第一词语的情感属性，得到多个情感类型的第二词语样本；基于第二词语样本中的第二词语的词组向量及情感属性计算各个情感类型的高斯分布参数；使用高斯分布参数计算文本样本中的第三词语的对应各个情感类型的概率；基于该概率确定第三词语的情感类型。通过本发明，解决了现有技术中机器无法准确分析词语的情感类型的问题，实现了机器可以自动判断语料库中已有词语的情感倾向性并自动准确地分析给定样本词语的情感类型的效果。

摘要： 本发明公开了一种事件情感类型的分析方法和装置。其中，该分析方法包括：对文本样本进行分词处理，得到词语集合；对词语集合中的第一词语的情感倾向性进行标注，得到各个第一词语的情感倾向性的标注值；计算文本样本中的事件与词语集合中的第一词语的关联度数据；按照关联度数据倒序排序，得到第一词语的排序表；从排序表中提取第一预设数量的第二词语；使用第二词语的情感倾向性的标注值和第二词语的关联度数据进行加权计算，得到加权值；获取加权值所属的预设加权范围的情感类型。通过本发明，解决了现有技术中手动分析事件的情感类型的效率低、准确度差的问题，实现了提高分析事件的情感类型的效率和准确度的效果。