面向社交媒体的反讽识别

反讽是社交媒体中常用的一种修辞方法,反讽的存在对传统的情感分析或观点挖掘带来了挑战。反讽修辞中一种常用的表达形式为使用极性相反的情感词来表达"前后情感矛盾"。本文针对该形式的反讽,提出了一种基于注意力机制的神经网络模型,该模型可以捕捉一句话中的前后情感矛盾的两个词从而推断是否为反讽。该模型不考虑句子的上下文,仅从句子本身的结构出发,计算任意两个词之间的注意力分数从而发现导致反讽的关键词。本模型在多个数据集上取到了很好的效果,并且该模型有较好的可解释性。

智能人机对话中的负面情感检测

人工智能使得智能人机对话系统的应用日趋广泛,但对话系统中常常含有低俗、暴力、谣言 等负面情感信息,给对话系统造成了不良的影响,因此检测对话系统中的负面情感显得至关重要.针 对智能人机对话系统中的负面情感内容,提出了一种基于深度学习的负面情感检测模型 ,该模型利 用预训练词向量和BiLSTM可以有效地捕捉文本语义与上下文信息.相对于传统的词典匹配算法, 大大减少了对词典的依赖程度,能够智能地识别相似的负面情感表达形式,可以更加有效地检测对 话系统中的负面情感,在净化对话系统中起到了重要作用.