基于多重冗余标记CRFs的句子情感分析研究

本文提出了一种基于多重冗余标记的CRFs并将其应用于情感分析任务。该方法不仅能够有效地解决有序标记的分类问题,还能够在保证情感分析中各子任务能够使用不同特征的前提下,将情感分析中的主客观分类、褒贬分类和褒贬强弱分类任务统一在一个模型之中,在多个子任务上寻求联合最优,制约分步完成时误差的传播。实验证明,该方法有效地提高了句子情感分析任务的准确率。在理论上,该方法也为基于最大似然训练的算法解决序回归问题提供了一条途径。

句子情感分析及其关键问题

情感分析关注具有情感倾向的评价性信息,具有广泛的应用。情感分析按照粒度的不同分为三种:词汇情感分析、句子情感分析和文档情感分析。文中对句子情感分析及其关键问题进行介绍,首先简要描述句子情感分析的任务,然后介绍句子情感分析中主客观句分类方法及两种主观句情感分类方法——基于情感词的方法和机器学习方法,最后对情感分析中的三个关键问题——词汇上下文极性判定、评价主题识别、意见持有者识别进行总结。

融入句法结构信息的句子级情感分析算法

针对预训练模型BERT在编码文本时,只考虑了文本的序列信息从而只显示地学习了文本的语义信息,但文本的句法结构信息还不能被显示地利用。受知识蒸馏理论的启发,以Teacher-Student框架为模板,提出了Tree-BERT模型将文本的句法结构信息融入到BERT模型中。该模型先使用Tree-LSTM网络学习文本的句法结构信息,然后预测目标领域训练集样本的情感概率分布,也就是样本的情感“软标签”,最后在扩充后的目标领域训练集上微调BERT,提高了BERT在句子级情感分析任务上的准确率。

维吾尔语情感倾向性分析研究综述

情感分析技术旨在获取评论文本包含的情感信息和知识,被广泛应用在众多领域。伴随维吾尔语网络内容的快速增长,维吾尔文倾向性分析研究的重要性日益凸显,本文针对维吾尔语情感倾向性分析研究的现状和进展进行总结。文章从词语级、句子级两个粒度层面介绍当前维吾尔文情感分析的主要技术和方法,句子层级又细分为粗粒度情感分析、细粒度情感分析两个层次介绍相关研究工作,最后总结了维吾尔语情感分析面临的研究难点和未来的研究方向。

VDEA词典的构建与应用研究

配价语法通过谓词与其搭配成分间的依存关系来描述语义关系,是当前语义分析处理的重要语法理论之一,也是解决语义分析处理颈瓶问题的利器.本研究构建的英语形容词配价词典是一部基于配价语法,并面向自然语言处理的机器可读词典,词典包含3170个英语形容词的配价关系、格关系、释义、褒贬义、语义分类、语义特征和相关例句等信息.在此基础上,提出了基于VDEA词典的句子情感倾向性分析策略.实验证明,该配价词典在情感分析领域有一定的应用价值.