情感逻辑

摘要： 讲好“中国之制”伟大故事的逻辑遵循是基于对“中国之制”和“中国之制”伟大故事的内在逻辑的理解之上,理清“中国之制”内蕴的事实逻辑、事理逻辑、情感逻辑和价值逻辑,以及把握它们在讲好“中国之制”伟大故事中的作用,是讲好“中国之制”伟大故事的基础。“中国之制”伟大故事内蕴的逻辑根植于“中国之制”,讲好“中国之制”伟大故事的逻辑遵循也在于对“中国之制”内蕴的四重逻辑进行透彻的理解和把握,事实逻辑是基础、事理逻辑是核心、情感逻辑是催化、价值逻辑是指引,这四个逻辑统一于讲好“中国之制”伟大故事之中。

摘要： 陶渊明田园诗的创作源于特定的时代背景,其思想回归于自我满足,建造属于自我的精神家园。其代表作融合着田园风情,开启了田园诗歌盛行的时代,从陶渊明创作的《归园田居》五首中,可以窥见诗人的创作思想和艺术风格特点,这也是我们解读陶渊明创作思想和情感的重要途径。围绕陶渊明《归园田居》五首分别进行分析,探讨诗人的内心情感发展及变化,可以从中总结诗人的创作特点。

摘要： 当前体育社会学视域下的民俗体育文化研究多重视其工具理性探讨而忽略了情感议题。然而,民俗体育文化并不完全是理性的产物,它更是立足于乡土文化空间中的一种身体的情感体验和情感的身体表达。基于皖江宜秀龙舟竞渡的田野调查,认为民俗体育文化以历史记忆为情感生成逻辑,以族群认同为情感作用逻辑,以互动仪式为情感实践逻辑。从情感维度审视,村落民俗体育文化的情感逻辑可以有效地推进乡村情感治理。通过积极情感的释放和消极情感的消解,既有助于民俗体育文化的良性传承,也能推动乡村治理体系的发展与完善。

摘要： 小说作者将林林总总的生活体验虚拟为一个适宜的故事,无论故事本身如何百转千回,小说内容都要遵循一定的生活逻辑与情感逻辑,即小说的构思要符合客观事实,符合经验和常识,内部逻辑要与人物的性格、语言、行为一致。形式逻辑的矛盾律指出:要求在同一思维过程中,对同一对象不能同时作出两个矛盾的判断。

摘要： 【专题任务】以“情感逻辑”为教学视点,解析诗人的心路历程,从而透视诗人的思想,探寻诗人出离精神困境的路径。【中心问题】徐志摩在《再别康桥》中是如何走出精神困境的?【教学过程】一、知人论世——“双梦”破灭师:徐志摩在康桥经历过一段刻骨铭心的爱情,令我想起唐代诗人元稹的一首爱情诗《离思》:“曾经沧海难为水,除却巫山不是云。取次花丛懒回顾,半缘修道半缘君。”

摘要： 古典诗词是初中语文学习重要的组成部分,也是传承中华传统文化经典的重要载体。伴随着教育改革的深入,初中古典诗词的教学衍生出许多创新方法。本文以人教版教材为依托,以情感逻辑赏析策略为研究载体,从生活、语言、表达、价值观等几个方面提供了一些探究策略,意在让基础学段学生的古典诗词学习能够真正承载起人文教育和道德素养教育的使命。

摘要： “免费午餐”及其淘宝评论区是青年群体在线捐赠与情感表达的观察样本。本文以此作为研究对象,在互动仪式理论框架下,通过参与式观察与深度访谈的方式对其形成机制进行剖析。研究发现,在相对遮蔽和互为主体的评论区中,捐赠者通过勾连生活境遇和心灵境遇,形成由卷入到打卡的仪式节奏。经由互动仪式,个体获得的成就感、归属感和疗愈感等情感能量汇聚为集体情感,并将价值共识与道德规约嵌入其中形成情感秩序,秩序规训个体完成道德实践再生产,进而拓宽参与边界,促进社会团结。这对于把握在线捐赠的情感动机、慈善事业的叙事策略以及青年群体的社会心态具有重要意义。

摘要： 当下剧本杀的火爆引发了社会各界的关注与思考,其内含的娱乐性、社交性、求知性等功能受到了大批青年人的青睐。较之于线上娱乐,剧本杀的独到之处在于:它是一种有别于日常生活中的特殊的角色体验,能够让青年人暂时性地体验、感悟到另一种人生。剧本杀游戏契合了青年群体内心潜藏的社交需求和角色体验需求,表征了青年群体内在的情感逻辑与社会属性。剧本杀本质上仍是一种商业行为与消费行为,在资本的高速推动下为消费者提供一种沉浸式的即时性体验。健全的信任系统是其得以有序运行的首要前提,青年人参与其中主要是为了获得“他者认同”和社交归属感。唯有深刻把握剧本杀的核心特质与独特调性,才能更好地了解和把握青年人之所以喜欢剧本杀的底层逻辑与情感旨趣。

摘要： 回忆性散文阅读须沉入文本,从经验自我与叙述自我两个角度,读懂作者在文本中潜藏的言语逻辑和情感逻辑。从“东京也无非是这样”一句切入,抓住“无非”一词解读《藤野先生》,体会作者的语言运用艺术,从经验作者和叙述作者的视角体验文本的情感表达及作者的深意,有利于感受鲁迅散文的情绪力量和艺术张力。

摘要： 在文学创作过程中,由于作家主观情感的作用,形成了作品中特定的情感逻辑。情感逻辑一直伴随着作家的整个创作过程,它以情感发展的内在支配力量为主导,有时甚至会超越事理逻辑的规范与约束,使作品呈现出"神用象通,情变所孕"的特点。

摘要： 本发明提供了一种基于极大无关多元逻辑回归的文本情感分类方法，所述方法包括：获取文本数据，并对所述文本数据进行预处理；在第一模型的代价函数基础上，通过引入相关参数惩罚项，获取第二模型的代价函数；将预处理得到的训练数据输入第二模型的代价函数的导函数，并进行求解得到第二模型；所述第一模型为多元逻辑回归模型，所述第二模型为极大无关多元逻辑回归模型；将预处理得到的待预测数据输入所述第二模型，得到待预测数据中每个文本条目所属的情感类别。通过添加不相关约束项使得针对冗余数据具有较高的鲁棒性；降低了传统的多元逻辑回归模型的复杂度，具有更强的泛化能力；进而能够对获取的目标文本数据中文本条目进行精确分类。

摘要： 本发明提供了一种基于Spark的极大无关多元逻辑回归模型对文本情感分类方法，包括：将训练样本数据集存储于HDFS中；Spark平台从HDFS中读取数据生成RDD；Spark平台将数据的预处理任务分为多个任务组，对每个任务组中存储有读取数据的RDD进行预处理，将预处理的结果存入HDFS中；训练极大无关多元逻辑回归模型，经过求解得到极大无关多元逻辑回归分类器；将分类器输出到HDFS中；从HDFS中读取经过预处理的待预测文本的数据和训练得到的分类器；获取待预测文本的情感分类。本发明在Spark计算框架下并行方法求解，模型训练更加快速，更适合大数据场景下的文本情感分类；降低了传统多元逻辑回归模型的复杂度，具有更强的泛化能力；能够对待预测样本数据进行精确情感分类。

摘要： 本发明提供了一种Spark框架下的稀疏多元逻辑回归模型对文本情感分类的方法，包括：将训练样本数据集存储于HDFS中；Spark平台从HDFS中读取数据生成RDD；Spark平台将数据的预处理任务分为多个任务组，对每个任务组中存储有读取数据的RDD进行预处理，将预处理的结果存入HDFS中；训练稀疏多元逻辑回归模型，经过求解得到稀疏多元逻辑回归分类器；将所述稀疏多元逻辑回归分类器输出到HDFS中；从HDFS中读取经过预处理的待预测文本的数据和训练得到的稀疏多元逻辑回归分类器；获取所述待预测文本的情感分类。本发明在Spark计算框架下使用ADMM并行方法求解优化问题，使得模型训练更加快速，更适合大数据场景下的文本情感分类；有效提升了分类的效率与精度。

摘要： 本发明提供一种嵌入逻辑规则的循环神经网络文本情感分析方法，通过抓取用于训练的文本语料，进行情感类别标记，然后将情感标记的文本语料分为训练集语料、测试集语料，并对其进行分词处理，以及去停用词处理，然后采用word2vec算法对做分词处理、去掉停用词后的训练集语料和测试集语料进行训练，得到相应的词向量，将训练集语料和测试集语料输入现有的知识库结合概率图模型进行分析处理，通过逻辑循环神经网络结构(Logic‑RNN与Logic‑LSTM)，将一阶逻辑规则嵌入到循环神经网络中，本发明一方面可以达到控制循环神经网络的训练方向，更倾向人的直觉，另一方面提高了文本情感分析的精度，该方法也可以用于自然语言处理、机器学习的其他领域。

摘要： 本发明涉及一种融合情感、产业链和事理逻辑的可解释性金融标的物生成方法和装置。该方法包括：利用事件之间的因果关系建立事理逻辑库；基于事理逻辑库对输入的事件进行事件识别和事件链接，得到因果事件演化链；将因果事件演化链与产业链知识库进行关联，通过实体上下游的关联推理，得到实体产业链传导链；对实体产业链传导链中的实体进行属性级的情感分析；根据事理逻辑库、产业链知识库以及情感分析的结果进行金融标的物的影响推理，生成金融标的物及金融标的物的关联推理结果。本发明充分借助事理演化逻辑和产业链推理逻辑相结合的规则进行推理，充分体现了推理过程的动态性、演化性和传导性，推理结果更具可信度。

摘要： 本发明提供了一种基于Spark的极大无关多元逻辑回归模型对文本情感分类方法，包括：将训练样本数据集存储于HDFS中；Spark平台从HDFS中读取数据生成RDD；Spark平台将数据的预处理任务分为多个任务组，对每个任务组中存储有读取数据的RDD进行预处理，将预处理的结果存入HDFS中；训练极大无关多元逻辑回归模型，经过求解得到极大无关多元逻辑回归分类器；将分类器输出到HDFS中；从HDFS中读取经过预处理的待预测文本的数据和训练得到的分类器；获取待预测文本的情感分类。本发明在Spark计算框架下并行方法求解，模型训练更加快速，更适合大数据场景下的文本情感分类；降低了传统多元逻辑回归模型的复杂度，具有更强的泛化能力；能够对待预测样本数据进行精确情感分类。

摘要： 本发明提供了一种Spark框架下的稀疏多元逻辑回归模型对文本情感分类的方法，包括：将训练样本数据集存储于HDFS中；Spark平台从HDFS中读取数据生成RDD；Spark平台将数据的预处理任务分为多个任务组，对每个任务组中存储有读取数据的RDD进行预处理，将预处理的结果存入HDFS中；训练稀疏多元逻辑回归模型，经过求解得到稀疏多元逻辑回归分类器；将所述稀疏多元逻辑回归分类器输出到HDFS中；从HDFS中读取经过预处理的待预测文本的数据和训练得到的稀疏多元逻辑回归分类器；获取所述待预测文本的情感分类。本发明在Spark计算框架下使用ADMM并行方法求解优化问题，使得模型训练更加快速，更适合大数据场景下的文本情感分类；有效提升了分类的效率与精度。

摘要： 本发明提供了一种基于极大无关多元逻辑回归的文本情感分类方法，所述方法包括：获取文本数据，并对所述文本数据进行预处理；在第一模型的代价函数基础上，通过引入相关参数惩罚项，获取第二模型的代价函数；将预处理得到的训练数据输入第二模型的代价函数的导函数，并进行求解得到第二模型；所述第一模型为多元逻辑回归模型，所述第二模型为极大无关多元逻辑回归模型；将预处理得到的待预测数据输入所述第二模型，得到待预测数据中每个文本条目所属的情感类别。通过添加不相关约束项使得针对冗余数据具有较高的鲁棒性；降低了传统的多元逻辑回归模型的复杂度，具有更强的泛化能力；进而能够对获取的目标文本数据中文本条目进行精确分类。

摘要： 本发明提供一种嵌入逻辑规则的循环神经网络文本情感分析方法，通过抓取用于训练的文本语料，进行情感类别标记，然后将情感标记的文本语料分为训练集语料、测试集语料，并对其进行分词处理，以及去停用词处理，然后采用word2vec算法对做分词处理、去掉停用词后的训练集语料和测试集语料进行训练，得到相应的词向量，将训练集语料和测试集语料输入现有的知识库结合概率图模型进行分析处理，通过逻辑循环神经网络结构(Logic‑RNN与Logic‑LSTM)，将一阶逻辑规则嵌入到循环神经网络中，本发明一方面可以达到控制循环神经网络的训练方向，更倾向人的直觉，另一方面提高了文本情感分析的精度，该方法也可以用于自然语言处理、机器学习的其他领域。

摘要： 本发明涉及一种基于命题逻辑的网络文本情感分析方法，包括文本预处理、文本情感分词、文本情感逻辑符号表达和文本情感分析四个模块。本发明能够实现对网络文本进行规范化预处理、去除非情感等冗余文本信息、逻辑联接词提取、文本符号化、短句情感倾向分析、情感量化分析、情感倾向计算和全文情感分析等功能，完成情感词的抽取和量化分析，对情感发现应用、舆情搜索应用、内容安全应用、搜索引擎应用等具有重要的作用。