期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合位置信息的观点三元组情感分析模型
1
作者
姜宇桐
钱雪忠
宋威
《计算机应用研究》
CSCD
北大核心
2023年第3期676-681,共6页
方面级情感分析主要有两大类任务:a)抽取任务,旨在抽取出语句中的方面词及观点词;b)分类任务,旨在分析情感极性。在这两种复合任务的基础上,针对目前方面词与观点词耦合性较差,导致分类任务出错这一问题,提出了融合位置信息的观点三元...
方面级情感分析主要有两大类任务:a)抽取任务,旨在抽取出语句中的方面词及观点词;b)分类任务,旨在分析情感极性。在这两种复合任务的基础上,针对目前方面词与观点词耦合性较差,导致分类任务出错这一问题,提出了融合位置信息的观点三元组情感分析模型OTPM。该模型利用双向长短时记忆网络获得文本表示,接着利用自注意力机制来增强方面词与情感词之间的关联性,之后在多任务框架中进行观点三元组的抽取,同时将抽取出的表示与位置信息进行加权融合,最后利用biaffine评分器分析加权后的方面词与观点词之间的情感依赖关系,并利用stop-on-non-I算法对三元组进行解码输出三元组。在Lap14、Rest14、Rest15、Rest16四个数据集上进行大量实验,结果表明所提模型优于一系列基线模型。
展开更多
关键词
方面级情感分析
多任务框架
观点三元组
双向长短时记忆网络
自注意力机制
下载PDF
职称材料
MASGC:融合特定屏蔽机制的简单图卷积情感分析模型
被引量:
2
2
作者
姜宇桐
钱雪忠
宋威
《计算机应用研究》
CSCD
北大核心
2022年第4期1049-1053,共5页
方面级情感分析目前是基于图卷积神经网络(GCN)来整合句子的语法结构,它能够有效地解决长范围词汇依赖不准确的问题,但GCN却拥有不必要的复杂性和冗余计算。此外,它忽略了属性与上下文之间相对位置的关系。为此,提出了一种新的模型来解...
方面级情感分析目前是基于图卷积神经网络(GCN)来整合句子的语法结构,它能够有效地解决长范围词汇依赖不准确的问题,但GCN却拥有不必要的复杂性和冗余计算。此外,它忽略了属性与上下文之间相对位置的关系。为此,提出了一种新的模型来解决上述问题。首先建立双向GRU层,接着使用位置感知转换增加靠近方面词的上下文词的重要程度,然后通过移除非线性和折叠连续层之间的权重矩阵来降低复杂性;再与特定屏蔽层进行融合实现单层MASGC结构,生成一种新的基于检索上下文的注意力机制;最后通过全连接层给出分类结果。该模型在五个数据集上进行了大量实验,实验结果表明其具有更高的准确率和更少的训练时间。
展开更多
关键词
方面
情感分析
门控循环单元
注意力机制
下载PDF
职称材料
题名
融合位置信息的观点三元组情感分析模型
1
作者
姜宇桐
钱雪忠
宋威
机构
江南大学人工智能与计算机学院
出处
《计算机应用研究》
CSCD
北大核心
2023年第3期676-681,共6页
基金
国家自然科学基金项目(62076110)
江苏省自然科学基金项目(BK20181341)。
文摘
方面级情感分析主要有两大类任务:a)抽取任务,旨在抽取出语句中的方面词及观点词;b)分类任务,旨在分析情感极性。在这两种复合任务的基础上,针对目前方面词与观点词耦合性较差,导致分类任务出错这一问题,提出了融合位置信息的观点三元组情感分析模型OTPM。该模型利用双向长短时记忆网络获得文本表示,接着利用自注意力机制来增强方面词与情感词之间的关联性,之后在多任务框架中进行观点三元组的抽取,同时将抽取出的表示与位置信息进行加权融合,最后利用biaffine评分器分析加权后的方面词与观点词之间的情感依赖关系,并利用stop-on-non-I算法对三元组进行解码输出三元组。在Lap14、Rest14、Rest15、Rest16四个数据集上进行大量实验,结果表明所提模型优于一系列基线模型。
关键词
方面级情感分析
多任务框架
观点三元组
双向长短时记忆网络
自注意力机制
Keywords
aspect-based sentiment analysis
multitasking framework
opinion triplet
bi-directional long short-term memory network
self attention mechanism
分类号
TP393.04 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
MASGC:融合特定屏蔽机制的简单图卷积情感分析模型
被引量:
2
2
作者
姜宇桐
钱雪忠
宋威
机构
江南大学人工智能与计算机学院
出处
《计算机应用研究》
CSCD
北大核心
2022年第4期1049-1053,共5页
基金
国家自然科学基金资助项目(62076110)
江苏省自然科学基金资助项目(BK20181341)。
文摘
方面级情感分析目前是基于图卷积神经网络(GCN)来整合句子的语法结构,它能够有效地解决长范围词汇依赖不准确的问题,但GCN却拥有不必要的复杂性和冗余计算。此外,它忽略了属性与上下文之间相对位置的关系。为此,提出了一种新的模型来解决上述问题。首先建立双向GRU层,接着使用位置感知转换增加靠近方面词的上下文词的重要程度,然后通过移除非线性和折叠连续层之间的权重矩阵来降低复杂性;再与特定屏蔽层进行融合实现单层MASGC结构,生成一种新的基于检索上下文的注意力机制;最后通过全连接层给出分类结果。该模型在五个数据集上进行了大量实验,实验结果表明其具有更高的准确率和更少的训练时间。
关键词
方面
情感分析
门控循环单元
注意力机制
Keywords
aspect
sentiment analysis
gated round unit(GRU)
attention mechanism
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合位置信息的观点三元组情感分析模型
姜宇桐
钱雪忠
宋威
《计算机应用研究》
CSCD
北大核心
2023
0
下载PDF
职称材料
2
MASGC:融合特定屏蔽机制的简单图卷积情感分析模型
姜宇桐
钱雪忠
宋威
《计算机应用研究》
CSCD
北大核心
2022
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部