扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
维度型文本情感分析技术 版权信息
- ISBN：9787030637208
- 条形码：9787030637208 ; 978-7-03-063720-8
- 装帧：平装胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
维度型文本情感分析技术 本书特色
这是一本面向中文读者的文本情感分析研究专著，区别现有使用离散类别型方法的研究，《维度型文本情感分析技术》提出一种基于连续维度空间，针对不同语言层级的文本情感分析新方法。为了让读者对所提出的方法都有所了解，作者试图尽可能少地使用数学专业知识。然而，对于统计、概率、线性代数、优化，甚至是机器学习和深度学习的基本知识似乎都无法避免。
维度型文本情感分析技术 内容简介
文本情感分析采用计算语言学的方法，可以对带有情感色彩的主观性文本进行分析、处理、归纳和推理。目前主要的研究方法根据情感状态的表述不同又分为类别型方法和维度型方法。现有研究多采用类别型方法，也就是将情感状态表示为多个类别，再利用文字特征进行分类。维度型方法可将所有情感状态表示在一个低维度，如此不但可以体现情感类别的区别，也可体现情感强弱程度的不同，因此可以提供更为细致的情感信息。相较于使用分类器进行类别型分析，维度型方法多采用回归模型，因此现有类别型方法将无法直接应用于维度型应用中。并且，现有维度型语聊稀缺，也为研究带来了一定难度。本书希望通过引入Valence-Arousal维度情感空间，进而在词汇、短语、句子以及文本等多个不同的语言层次形成维度型文本情感分析的方法。并且，本书希望通过引入深度学习与各类神经网络方法，并将其应用于回归问题之中。
维度型文本情感分析技术 目录
目录1 引言 11.1 连续维度型文本情感分析 11.2 文本情感分析的层次划分 31.2.1 词汇层次(word-level) 31.2.2 短语层次(phrase-level) 41.2.3 句子层次(sentence-level) 41.2.4 文本层次(text-level) 51.2.5 属性层次(aspect-level) 51.3 研究现状及存在问题 61.3.1 文化差异 61.3.2 维度型文本情感分析基础性研究积累较为薄弱 71.3.3 现有连续维度型情感词典无法完全覆盖所有词汇 71.3.4 语义相似不等于情感相似 71.3.5 现有连续维度型文本情感分析准确率依然较低 81.3.6 离散类别型情感分析并不适用于连续维度型情感分析 81.3.7 现有深度神经网络模型并未考虑文本层次各句子间的逻辑表达关系 81.4 本书主要内容 91.4.1 连续维度型中文情感词汇和情感语料库的人工标注 91.4.2 基于局部加权线性回归的跨语言词汇情感标记方法 91.4.3 基于社区加权图模型的同语种词汇情感标记方法 101.4.4 基于修饰词权重学习的短语情感强度预测方法 101.4.5 基于区域划分CNN-LSTM模型的文本情感分析方法 111.4.6 基于堆叠残差LSTM网络的文本情感分析方法 111.4.7 基于情感信息的词嵌入修正模型 121.5 本书的结构安排 122 文本情感分析的相关研究工作 142.1 词汇层次的VA值标记方法研究 142.1.1 自我评定模型 142.1.2 基于回归模型的情感词汇标记方法 162.1.3 基于图模型的情感词汇标记方法 172.2 短语层次的情感强度分析方法 182.2.1 基于规则的修饰词短语情感强度分析方法 192.2.2 基于学习的修饰词短语情感强度分析方法 202.3 句子或文本层次的Valence-Arousal情感分析研究 212.3.1 基于情感词典的文本情感分析方法 212.3.2 基于回归模型的文本情感分析方法 222.4 语义嵌入技术 232.4.1 词嵌入技术 232.4.2 基于情感信息的词嵌入技术 252.4.3 句嵌入技术 262.5 面向离散类别型文本情感分析方法的深度神经网络模型 272.5.1 多层感知器 272.5.2 卷积神经网络 282.5.3 递归神经网络 292.5.4 长短期记忆 302.5.5 堆叠神经网络模型 322.6 语料资源 322.6.1 语料库与情感词典 322.6.2 中文情感词汇和中文情感文本语料库 342.7 本章小结 363 基于局部加权线性回归的跨语言词汇情感标记方法 383.1 研究背景 383.2 局部加权线性回归模型 393.2.1 特征提取 403.2.2 模型设计 413.3 实验评估 423.3.1 实验语料库 423.3.2 数值评价指标 433.3.3 参数选取 443.3.4 实例分析 483.4 本章小结 484 基于社区加权图模型的同语种词汇情感标记方法 494.1 研究动机 494.2 基于社区聚类的加权图模型 514.2.1 语义相似度计算 524.2.2 加权图模型 524.2.3 基于社区聚类的邻接词汇选取 544.3 实验评估 574.3.1 实验语料库 574.3.2 数值评价指标 574.3.3 加权图模型的评估实验 574.3.4 邻接词汇选取的对比实验 614.4 本章小结 645 基于修饰词自动权重学习的短语情感分析方法 665.1 问题描述 665.2 基于神经网络的修饰词自动权重学习模型 685.2.1 实词的情感强度预测 685.2.2 修饰词权重学习 705.2.3 短语情感强度预测 725.3 实验分析 735.3.1 实词情感强度预测实验分析 745.3.2 修饰词短语情感强度预测实验分析 765.4 本章小结 806 基于区域划分CNN-LSTM模型的文本情感分析方法 826.1 研究动机 826.2 基于区域划分的CNN-LSTM模型 846.2.1 卷积层 846.2.2 **池化层 856.2.3 序列整合层 856.2.4 线性解码器 866.3 对比实验评估 866.3.1 实验语料库 866.3.2 数值评价指标 876.3.3 实验方法 876.3.4 对比实验结果 886.4 本章小结 917 基于堆叠残差LSTM网络的文本情感分析方法 927.1 问题描述 927.2 堆叠残差长短期记忆模型 947.2.1 残差连接 947.2.2 堆叠LSTM结构 967.2.3 线性解码器 967.3 对比实验结果 977.3.1 数据集 977.3.2 评价指标 987.3.3 对比实验方法 987.3.4 残差连接评估 997.3.5 情感强度预测的对比结果 997.3.6 训练时间分析 1037.4 本章小结 1058 基于情感信息的词嵌入修正模型 1068.1 研究背景 1068.2 词嵌入修正模型 1088.2.1 *近邻排序 1098.2.2 词向量修正模型 1108.3 实验评估 1138.3.1 实验数据集 1138.3.2 分类器 1148.3.3 评价指标 1158.3.4 实验参数设置 1158.3.5 实验结果对比 1168.4 本章小结 1209 总结 1229.1 全书回顾 1229.2 未来工作 126参考文献 128
展开全部
书友推荐
- >
自卑与超越
自卑与超越
¥13.5¥39.8 - >
莉莉和章鱼
莉莉和章鱼
¥18.1¥42.0 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥11.0¥23.0 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
有舍有得是人生
有舍有得是人生
¥31.5¥45.0 - >
朝闻道
朝闻道
¥10.2¥23.8 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.3¥10.0 - >
月亮与六便士
月亮与六便士
¥13.4¥42.0
本类畅销
-
深度学习自然语言处理实战
¥25.8¥59.9 -
过程控制
¥11.9¥35 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
