融合主题模型的图神经网络对话情感识别

对话情感识别(ERC)旨在预测对话中语句的情感类别。目前,基于图神经网络的ERC方法主要采用固定的超参数来确定图中边的连接,缺乏针对不同数据进行自适应构边的策略,且忽略了语句间的主题关系。此外,在图神经网络的训练过程中,这些方法通常采用求和叠加的方式来聚合节点信息,限制了模型的非线性能力。为此,本文将主题模型与图神经网络相融合,提出了一种新的构边方法。首先利用主题模型获取对话中语句的主题分布,然后将具有相同主题的语句相互连接。同时,引入了SwiGLU门控单元,用于调控图神经网络中层与层之间的信息流动。在边的类型方面,考虑了人物信息的差异,以更好地捕捉情感变化的内因和外因。通过在4个公开数据集(IEMOCAP、MELD、EmoryNLP、DailyDialogue)上进行的广泛实验,与当前先进的ERC方法相比,本文的方法在前3个数据集上的F1分数分别提升了1.69%,0.27%和0.38%。此外,本文的自适应方法在长对话上的效果提升了2.11%,优于短对话的0.8%,同时,通过引入SwiGLU有效减缓了图神经网络中的过度平滑现象。综合结果表明,本文提出的融合主题模型进行自适应构边以及引入SwiGLU门控单元的图神经网络方法,能够有效提高对话情感识别的效果,增强模型的鲁棒性。

用户视角下微博档案主题识别与情感分析研究

为研究社会公众对档案的关注度和认同度,分析档案社交媒体形象,论文采集新浪微博的档案主题文本,通过高频词分析、LDA主题聚类和情感分析,揭示档案主题内容和用户情感倾向。研究结果表明:社会公众对档案的关注度较高,档案价值主体不断扩展;多数档案主题微博具有积极情感,社会公众对档案的认同度较高;少数档案主题微博具有消极情感,档案社交媒体形象有待优化。

基于主题识别与情感分析的突发公共卫生事件新闻舆情研究

基于我国新冠肺炎疫情期间27万余条新闻报道数据,利用语义分析、社会网络分析与聚类分析等方法,借助新兴可视化工具,从时间、空间维度展开新闻舆情主题和情感研究。研究发现,新闻主题起初以疫情信息为主,中期政府举措与社会影响占比上升,后期各类主题呈现平衡态势,反映了新闻主题从集中到发散的过程;新闻情感呈现随时间推演逐渐好转的总体趋势,显示出我国在抗击疫情中及时有效的调控能力;新闻空间方面,新闻报道的情绪表现及热点主题以湖北省为中心向周边扩散,体现了公共卫生事件的地域关联特征。该研究能为今后相关突发公共卫生事件的新闻报道提供借鉴,使相关管理部门更科学地引导新闻舆论。

情感增强的对话文本情绪识别模型

针对现有的许多研究忽略了说话人的情绪和情感的相关性的问题,提出一种情感增强的图网络对话文本情绪识别模型——SBGN。首先,将主题和对话意图融入文本,并微调预训练语言模型RoBERTa以提取重构的文本特征;其次,给出情绪分析的对称学习结构,将重构特征分别输入图神经网络(GNN)情绪分析模型和双向长短时记忆(Bi-LSTM)情感分类模型;最后,融合情绪分析和情感分类模型,将情感分类的损失函数作为惩罚以构建新的损失函数,并通过学习调节得到最优的惩罚因子。在公开数据集DailyDialog上的实验结果表明,相较于DialogueGCN模型与目前最先进的DAG-ERC模型,SBGN模型的微平均F1分别提高16.62与14.81个百分点。可见,SBGN模型能有效提高对话系统情绪分析的性能。

基于框架语义的在线医生服务评价主题识别

[目的/意义]基于在线医疗评论数据识别医生服务评价主题,为医疗服务质量管理提供参考。[方法/过程]基于框架语义理论建立细粒度情感语义分类词典,基于框架和语义角色构建医生服务质量评价主题知识库;对评论文本进行框架语义标注,结合语义相似度算法,将文本中的语义信息与评价主题知识库相匹配,从而识别在线评论中的评价主题。[结果/结论]通过医疗评论数据测试,获得了较高的正确率和召回率,证明了研究方法的有效性和科学性,是情感分析在医疗健康领域的一次有益探索。

基于STR的情感挖掘方法研究——以航空公司质量评价为例

情感挖掘现在常用来分析文本,以确定语料是正面的或是负面的。最近,情感挖掘已经扩展到用于解决更深入性的问题,诸如辨别主观命题中的客观成分,确定发表在微博、论坛和新闻中的文本数据集的来源和主题等。企业可以利用观点的极性和情感主题的识别,以获得对情感的驱动者和影响范围更深入的理解。这些信息可以帮助企业提高竞争智能,改进客户服务,获得更好的品牌形象,并且增强竞争力。本文提出了一种新的情感挖掘方法,它可用于检测文本的情感极性和情感主题。该方法包括一个情感主题的识别模型(STR),这个模型是在带有VEM算法的相关主题模型(CTM)的基础上构建的。然后基于微博上航空公司的数据,验证了本文方法的适用性和高效性。最后,基于本文方法输出的结果,计算了三大航空公司的航空质量等级,从而检测了它们的声誉。

基于语义特征的文本情感倾向识别研究

由于网络评论用语的多样性,常用的文本主题分类方法并不能完全适应情感倾向识别。针对这个问题,从语义理解的角度出发,提出一种基于语义特征的情感倾向识别方法,通过增加语义特征使得原始文本表现出更加明确的情感倾向,并且更加容易区分。实验结果表明了该方法的有效性。

情感记忆引导主题图标设计方法研究

文章阐述了情感记忆的概念以及国内外以情感记忆理论应用于工业设计领域的研究背景。作者基于情感记忆理论,推导出针对手机个性化主题图标的设计方法,以此设计了一套以童年为主题的手机个性化主题图标。并通过设计与实验结合感性工学对这套个性化手机主题图标识别效率作为指标进行图标任务识别实验,最后分析实验结果与情感化设计的动向分析,并得出了基于情感记忆理论设计出的手机个性化主题图标的应用价值。

情感先验的基层医疗服务评价风险挖掘方法

基层医疗机构的舆情评价信息能够反映出医疗机构的服务质量,为挖掘出影响基层医疗机构服务质量的风险主题因素,文章提出一种情感先验的基层医疗服务评价风险挖掘方法。首先,利用微调的预训练BERT模型对评价文本进行特征提取,得到评价文本情感特征集;然后,利用支持向量机对样本进行情感分类,包括积极、中性和消极,将情感分类结果作为情感先验知识,得到包含中性和消极情感样本的情感先验语料库;最后,引入肘部法则进行自适应主题数量选定,利用隐含狄利克雷分布进行主题建模,最终得到风险主题。文章爬取大量基层医疗机构评价信息作为实验数据,大量实验结果表明,所提方法能够有效地挖掘出评价信息中的风险主题。

融入隐式情感和主题增强分布的网络敏感信息深度识别研究

【目的/意义】网络敏感信息是网络生态治理的重要对象,对其进行精准识别可以有效推动网络空间净化的进程。【方法/过程】为提高网络敏感信息识别性能,提出一种融入隐式情感和主题增强分布的深度识别方法:首先利用提出的IME方法度量敏感词的隐含情感,并将其与信息的原始情感融合获取网络信息的隐式情感特征;然后结合网络敏感信息的特殊性改进BTM模型,并基于改进模型获得网络信息的敏感主题增强分布;最后利用深度学习中的注意力机制将隐式情感特征、敏感主题特征与传统的敏感词特征、语义特征融合,实现对网络敏感信息的识别。【结果/结论】实验结果表明,本文挖掘的隐式情感特征和敏感主题特征均能有效提升网络敏感信息的识别性能,与已有方法相比,多特征融合方法在进行网络敏感信息识别时性能较优。【创新/局限】深入挖掘敏感信息的隐式情感特征和敏感主题特征,融合多种特征实现网络敏感信息的有效识别,为网络生态治理提供理论支撑,但信息中敏感主题的增强分布有待进一步研究。

面向网络舆情的评论文本情感分析研究

随着Internet的迅速发展,互联网超越传统媒体成为反映社会舆情的主要载体。如何有效地从其中获取社情民意以引导社会健康发展是政府等职能部门所关注的重要问题。首先提出对日益增多的网络评论文本进行情感分析研究的必要性。然后从主题识别、主客观性分类、情感极性分类等方面介绍针对网络舆情的情感分析在国内外的研究进展。最后列举出情感分析在网络舆情监控方面的应用和今后需深入研究的问题。

快递服务缺陷诊断识别与质量改进

为科学合理地诊断识别并评价快递服务缺陷,以百度贴吧在线评论为数据源,采用Python及潜在狄利克雷分配(latent Dirichlet allocation,LDA)主题模型等工具及方法,构建数据获取→情感分类→主题提取→缺陷评估的快递服务缺陷识别模型,诊断识别顺丰、邮政特快专递服务、圆通、申通、中通、韵达、百世汇通7家快递企业服务质量的主要缺陷因素,提出改进服务质量的建议。研究结果表明:快递服务质量的影响因素主要包括总体印象、快递时效、信息质量、收费服务、物品安全和服务过程等,从细分指标分析可知快递丢失短少、投诉处理、货品完好性、信息更新及时性、联系渠道、流通速度等是快递服务缺陷的主要影响因素。为提升用户满意度,快递企业需从快递物品安全、快递运输时效、信息更新速度、售后服务响应等方面进行质量改进。

基于知乎平台内容挖掘的元宇宙公众感知研究

[目的/意义]通过分析公众对元宇宙中个体、业界、政府3方面内容的感知,针对性地为个体、企业、政府参与元宇宙生态建设提供建议。[方法/过程]参考三螺旋模型,构建基于个体—业界—政府维度的元宇宙公众感知分析框架,采用改进LDA和BERT算法,基于知乎问答分析公众对元宇宙中个体、业界、政府3方面内容的感知主题,主题的热度、情感及相关演化。[结果/结论]公众在个体、业界、政府维度上的感知既有差异又有联系。演化上,公众关注点逐渐细化深入,态度受体验、舆论影响显著,但趋于理性。通过挖掘不同维度的热点、潜力点及问题,能针对性地为不同主体提供建议。

恐怖事件情境下微博影响力的预测及演化

[目的/意义]对恐怖事件情境下微博影响力进行预测并揭示其演化模式有助于反恐部门及时预见潜在的问题与危害,并迅速采取有效的应对措施。[研究设计/方法]本文提取了恐怖事件情境下微博的用户特征、时间特征和内容特征,构建了基于逻辑回归模型的恐怖事件微博影响力预测模型,并对预测模型进行训练和评估。[结论/发现]模型的预测准确率达到85.8%,能有效地完成预测任务。此外,对恐怖事件中高影响力微博的特征进行分析和总结,最后,提出基于h指数的微博主题影响力量化方法,并分析了恐怖事件情境下微博主题影响力的演化规律。[创新/价值]研究结果有助于发现可能产生高影响力的恐怖事件相关微博,评估微博信息的传播规模,了解公众对恐怖事件的关注内容、强度及变化规律,协助反恐部门进行舆情管理。

线上健康社区精神障碍患者行为画像

目的:描述线上健康社区精神障碍患者的行为方式,为精神障碍患者更好地参与线上健康社区来改善病情提供决策支持。方法:选取线上健康社区中773名精神障碍患者,根据其在社区中产生的行为和个体特征等信息,借助用户画像技术分别从兴趣主题、情感倾向以及在线影响力3个维度对患者的行为方式进行描述。结果:社区中女性患者更关注情感交流主题(P<0.01),男性患者更关注资源共享主题(P<0.001);年长患者更关注药物治疗主题(P<0.05),年轻患者更关注社交交友主题(P<0.05)。97.4%的患者表现出明显的情感倾向,且女性和年长患者更倾向表达正向情感(均P<0.05)。患者的在线影响力更符合幂律分布,年长患者的总体影响力和正面影响力更大(均P<0.05)。结论:线上健康社区精神障碍患者的兴趣较为广泛,正向和负向情感表达都有表现,不同年龄段患者之间的在线影响力有差异。

互联网藏文信息舆情分析系统设计

信息传播技术的快速发展推动了藏文信息的迅速传播,舆情分析越来越受到人们的关注。介绍了研究互联网藏文信息舆情分析的必要性、重点及难点,详细介绍了藏文舆情分析的关键技术,最后,说明了藏文舆情分析系统的设计和实现框架。

旅游资源监控系统的设计与实现

论文介绍了一个将主题识别与情感分析相结合而实现的互联网旅游资源监控系统。系统根据旅游主题识别,动态监测互联网上的信息源,自动采集相关网站新闻信息,并对旅游主题资源进行情感分析。论文描述了旅游资源监控系统的体系结构、主要功能和关键技术,并给出了实验结果。

三孩政策话题的多属性语义分析

[目的/意义]基于我国后人口转变期老龄化、少子化的现实,三孩政策及配套设施的实施受到高度重视,进一步挖掘三孩话题语义、掌握民意对政府决策和舆情防控具有积极意义。[方法/过程]基于传播社会学视角构建政策话题多属性语义分析模型,采用社会网络分析、改进的语义分析、LDA主题模型等方法,从话题、结构和内容多属性挖掘三孩话题语义。[结果/结论]属性之间存在共通性、渐进性,政府和公众主导话题,依据社区分布解构话题为社会、国家、女性、青年四个方面,综合内容分析结果来看,消极和中性情绪在女性和青年角度尤为明显:女性尚存在生育风险、工作与家庭失衡、职场歧视等问题;青年一代面临赡养老人、就业内卷和娱乐至死的压力常态化现状。建议从社会舆论治理、国家政策支持、女性待遇提升、青年解压等方面激发三胎生育潜力。

基于对话约束的回复生成研究

现有的对话系统中存在着生成“好的”“我不知道”等无意义的安全回复问题。日常对话中,对话者通常围绕特定的主题进行讨论且每句话都有明显的情感和意图。因此该文提出了基于对话约束的回复生成模型,即在Seq2Seq模型的基础上,结合对对话的主题、情感、意图的识别。该方法对生成回复的主题、情感和意图进行约束,从而生成具有合理的情感和意图且与对话主题相关的回复。实验证明,该文提出的方法能有效提高生成回复的质量。

重大传染病疫情情境下网络舆情时空分异规律研究

[目的/意义]重大传染病疫情因其突发性、社会性、更广泛传播性等特点极易造成舆情扩散式爆发,探究该情境下网络舆情时空分异规律,掌握不同时期、不同区域民众关注焦点及情绪的演化与分布差异,有助于政府在重大传染病疫情网络舆情中的民众诉求识别、社会情绪引导和相关风险防控。[方法/过程]以南京新冠疫情为例,获取微博舆情数据并划分时空区域,通过Top2Vec主题识别、SnowNLP情感计算等方法刻画重大传染病疫情网络舆情中公众关注焦点及其情感的时空分异规律。[结果/结论]在重大传染病疫情情境下,民众关注焦点在时间和空间上都呈现“指向自我→指向他人→指向社会”的趋势。民众情感值在时间上总体呈现趋向积极的递增态势,在空间上体现出一定的“涟漪效应”,边缘带地区民众情感具有一定的不确定性和复杂性。