文本情感分析
文本情感分析的相关文献在2010年到2023年内共计362篇,主要集中在自动化技术、计算机技术、经济计划与管理、贸易经济
等领域,其中期刊论文147篇、会议论文2篇、专利文献200293篇;相关期刊101种,包括情报理论与实践、计算机工程、计算机工程与科学等;
相关会议2种,包括2013年“计算机科学与技术及教育技术”学术研讨会、 第十三届(2018)中国管理学年会等;文本情感分析的相关文献由934位作者贡献,包括张祖凡、李敏、李辉等。
文本情感分析—发文量
专利文献>
论文:200293篇
占比:99.93%
总计:200442篇
文本情感分析
-研究学者
- 张祖凡
- 李敏
- 李辉
- 王勇
- 甘臣权
- 黄斐然
- 司新红
- 吴文杰
- 应捷
- 晋耀红
- 柳宜江
- 王丽亚
- 王刚
- 肖京
- 肖昊琪
- 苏灵松
- 陈伟
- 陈洁
- 马千里
- 高琰
- 丁华雄
- 丁永兵
- 仁庆道尔吉
- 付月
- 付蔚
- 代安安
- 任宁
- 伊尔夏提·吐尔贡
- 余伟阳
- 余跃
- 冯庆东
- 冯胥睿瑞
- 刘冠
- 刘培玉
- 刘巍
- 刘庆
- 刘建华
- 刘思琴
- 刘智睿
- 刘杰
- 刘树林
- 刘洋
- 刘爽
- 刘玉林
- 卓少剑
- 厉小军
- 史伟
- 史麦可
- 吕慧
- 周兴社
-
-
徐康庭;
宋威
-
-
摘要:
在目前的中文文本情感分析研究中,基于语义规则和情感词典的方法通常需要人工设置情感阈值;而基于深度学习的方法由于未能运用语义规则和情感词典等语言知识,不能充分提取情感特征。针对这两种方法的缺点,提出了一种将语言知识和深度学习结合的文本情感分析方法。该方法首先根据语义规则提取文本中的关键情感片段,再根据情感词典从关键情感片段中抽取出情感更加明确的情感词来构建情感集合,然后利用深度学习模型分别从原始文本、关键情感片段、情感集合中抽取深层次特征,最后对提取的特征进行加权融合,并利用分类器实现情感极性的判断。实验结果表明,与未引入语言知识的深度学习模型相比,该方法的情感极性分类能力有明显提升。
-
-
刘龙文;
但志平;
南杰昂毛
-
-
摘要:
随着社交媒体日新月异地发展,我们实际上生活在一个巨大的社交媒体网络中,每一个用户或者说每一个社交账号都是这个庞大网络中的一个节点。每个节点都与多个节点连接,信息流在由这些节点构成的网络上进行流动。这些节点之间有的相互交换信息,有的作为中间传输节点进行信息的转发。作为网络上进行传输的信息也是各式各样,如图片数据,视频数据以及文本数据。其中,文章数据作为最根本的信息流动在网络上。这些文本数据背后隐藏的用户的情感或者观点进行分析,将能够为社交媒体研发者提供强有力的反馈信息,进而完善社交平台的开发以产生更有价值的利润。文章基于深度学习框架Keras实现对淘宝上的用户评价信息的情感分析。主要进行了两个模型的实验:Keras-bert模型和RNN(LSTM)网络,实现对评论数据的情感分析。
-
-
-
张学波;
王卿
-
-
摘要:
本文采用文本情感分析的研究方法,计算出2018年4月至12月,《人民日报》微信公众号健康专栏的标题及其相对应评论的情绪值,以评论情绪均值作为边权重,评论者、标题作为节点,构建数值矩阵,通过Gephi绘制出情感网络图,通过Pajek对标题和评论所构成的2-模网络进行中心性分析,并提出三点建议:1.优化内容设计,挖掘隐藏受众;2.建立网络舆情预警系统,侦测舆情走向;3.增强互动,提升受众对公众号的认同感。
-
-
季陈;
叶慧雯;
王子民;
张秀文;
赵子涵;
杨玉东
-
-
摘要:
社交文本的情感分析主要存在结构不规则、特征稀疏和分类效果不理想等问题。针对这些问题,提出了一种双向长短期记忆网络(Bi-directional long short-term memory,BiLSTM)和胶囊网络(Capsule network,CapsNet)混合模型(BiLSTM-CapsNet)。该模型先使用胶囊网络提取单个特征词在整个句子中的位置语义信息,再使用双向长短期记忆网络提取社交文本的上下文词语之间的关系,最后通过softmax分类器,进行情感倾向的分类。试验结果表明,该模型在粗粒度和细粒度情感分类中都有优势。
-
-
杨双会;
余蓉芳;
范炜彬
-
-
摘要:
随着金融市场信息化发展,微博、贴吧、股票论坛等成为了投资者尤其是个人投资者发表言论表达对股市情绪及自我情绪的重要途径。基于行为金融的视角,通过文本情感分析量化投资者情绪,并利用所构建出的情绪指数分析互联网舆论下的投资者情绪对股票市场收益率的影响。实证结果表明:消极的投资者情绪和股票收益率之间存在一定的相关性,当投资者情绪低落时,伴随而来的是股票收益率的下跌;投资者负面的情绪在很短的时期内会降低相应的股指收益率,但随着时间的推演投资者情绪对股指收益率的影响较为平缓,不会像初期那么强烈。
-
-
王珊;
黄海燕;
乔伟涛
-
-
摘要:
为提高中文文本情感分析任务的准确率,优化训练时长,提出基于Reformer的文本情感分析模型。利用Reformer模型的上下文语义编码能力,充分获得文本上下文的特征,提高文本分类准确率;在Transformer模型的基础上,引入局部敏感哈希注意力机制及可逆残差,降低模型的复杂度及内存的占用。在3个公开数据集上进行实验,实验结果表明,该模型在准确率及训练时间上均优于其它模型。
-
-
秦精俏;
王彤;
王玉珍
-
-
摘要:
为充分了解顾客对餐品的满意程度,帮助商家准确把握顾客的消费需求,以外卖平台用餐评论数据为基础,采用word2vec_BiLSTM文本情感分类模型的方法,使用word2vec预训练出各评论语句表征的词向量,利用三种基线模型RNN、LSTM、BiLSTM进行对比试验,根据相应的评价指标对多种分类模型效果进行分析。试验结果表明,word2vec_BiLSTM的F_(1)指标为91.71%,与RNN和LSTM模型相比,分别提高了3.81%、2.46%,word2vec_BiLSTM的ACC值为91.19%,与RNN和LSTM模型相比,分别提高了4.56%、1.62%。
-
-
李柏翰;
周沫凡;
崔椿雨;
高凯
-
-
摘要:
教学背景随着人工智能技术在医疗、军事、交通、环境等诸多领域的广泛应用,人类的生产生活方式已经悄然发生改变。2017年发布的《新一代人工智能发展规划》提出,要重点突出加快人工智能创新应用,逐步开展具有广泛普及性的人工智能教育项目,在中小学开设人工智能课程,系统性地进行相关教育教学活动。因此,如何使课程在中小学有效落地是一线教师面对的首要问题。
-
-
唐利
-
-
摘要:
中国的情绪分析研究主要集中在商业价值领域,如医院、旅游、餐饮和金融。使用Bicomb软件和SPSS数据分析软件来分析研究中国知网2000-2020年收录的954篇文献。提取文献关键词,对文本情感分析研究进行归类和分析,研究文本情感分析的热点和发展趋势,为数据挖掘提供研究方向。
-
-
-
李洋;
倪丽萍;
李莹
- 《第十三届(2018)中国管理学年会》
-
摘要:
电子商务平台的在线评论对商品销量会产生显著影响.本文以天猫平台上的冰箱为研究对象,模拟用户购物过程,考察商品评论的商品服务、商品质量、追评情感值和普通评论情感值对冰箱销量的影响.本文首先利用文本情感分析方法分析评论的情感,然后使用SPSS对这些影响因素及销量之间的关系进行分析.结果表明:对于大型家用电器,商品服务和销量之间没有显著线性关系,商品质量、追评情感值、普通评论情感值和销量之间具有显著的线性关系,并且追评情感值对销量的影响大于普通评论情感值对销量的影响.