基于情感信息预处理和Bi-GRU的虚假评论识别模型

虚假评论识别在电子商务、社交媒体等领域具有重要的应用价值。尽管现有虚假评论识别模型融合了文本的情感信息,但在预训练过程中忽视了对情感信息的提取,导致准确率不高。针对此问题,本文提出一种基于情感信息预处理和双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi-GRU)的虚假评论识别模型(FR-SG),用于提高虚假评论识别的准确率。首先,通过Albert模型获取文本的语义向量;然后,使用词频逆文本频率(Term Frequency-Inverse Document Frequency,TF-IDF)和K均值(K-means++)聚类的方法从评论中挖掘情感种子词,基于种子词对文本中的属性词和情感词进行掩码(mask);接着,使用面向情感的目标优化函数,将情感信息嵌入到语义表示中,生成情感向量;最后,将这两组向量的拼接结果输入虚假评论识别网络中,得到文本的分类结果。实验结果表明,相较于Bi-GRU+Attention模型,FR SG提高了虚假评论识别的准确率。

情感信息处理

人类不仅具有理性思维和逻辑推理的能力 ,而且具有一定的情感能力。情感信息处理是让计算机模仿人的情绪、感觉和感情 ,使计算机具有富于感情的“心”。为了实现“和谐的人机交互”,情感信息处理的研究是必不可少的。文中从情感信息以及情感信息处理的模型、方法和研究课题等几个方面对情感信息处理进行了介绍。

基于情感信息的商品评论生成式摘要

近些年来,随着电商平台的飞速发展,越来越多的人会选择在网上购物并且对商品进行评价。对于较长篇幅的评论,进行摘要可以让用户快速地了解到商品的优缺点。目前主流的生成式摘要模型大多只考虑文本的序列化信息,而对一个商品评论来说,评论中的商品属性信息和情感信息极为重要。为了让模型学习到评论中的商品属性及情感信息,该文提出了一种融合评论中属性及情感信息的生成式摘要方法。该方法通过将不同种类的情感和属性信息嵌入生成模型的编码阶段的方式,从而有效的结合这些信息。实验证明,该方法可生成更高质量的摘要,生成的摘要在ROUGE评价指标上会有较大幅度的提升。

面向中文文本的情感信息抽取语料库构建

情感信息抽取是情感分析中的一个重要子任务。虽然该任务已经开展有一段时间,但是面向中文文本的情感信息抽取任务研究才刚刚起步。目前中文文本的情感信息抽取面临的首要困难在于现有的相关中文语料库还非常有限。为了更好开展中文文本的情感信息抽取研究,该文重点研究了中文语料标注体系,构建一个规模较大、标注类型丰富的中文情感信息抽取语料库。除了常见语料库标注的情感倾向性、评价对象、情感词等信息外,重点标注了评价对象的省略、无情感词情感句表达及极性转移等情况。由语料信息统计可知,该文所指出的特殊现象(例如,评价对象的省略)在中文情感表达中是非常普遍的,开展这方面的研究很有必要。该文所构建的中文文本语料库将为中文情感信息抽取任务提供语料基础。

地图情感信息视觉传达设计

介绍了视觉传达的概念,从地图图形符号和图形空间构图两方面探讨了关于新的视觉图形符号的挖掘和地图审美语境的塑造以及视觉流程、视觉中心等体现地图构思的形式美方法,由此总结出地图情感信息的视觉传达规律。

远程教学环境中情感信息交流动态分析

针对远程教学过程中容易忽略学习者的情感因素,导致远程教学的优势不能充分发挥这一现状,本文在对远程教学过程中的情感信息交流问题分析的基础上,用模式图表示出其交流过程,并指出远程教学过程中进行情感信息交流需要注意的几个问题,旨在进一步增强远程教学的吸引力和感染力,提高学习者的学习绩效。

情感信息处理研究综述

介绍情感信息处理的研究背景,阐述其两大研究分支及其研究现状,并从处理过程角度归纳情感信息处理的主要技术,最后指出在图书情报领域应用情感信息处理的重要意义。

病理性互联网使用青少年的情感信息选择特征

目的:考察病理性互联网使用青少年对情感信息的注意选择特征。方法:通过临床诊断和心理测验选取接受住院治疗的病理性互联网使用组和中学生对照组被试各25人,采用空间Stroop任务的变式进行研究。结果:病理性互联网使用组对组成消极词的反应时长于积极词和中性词的反应时[(557.6±93.3)ms vs.(533.9±85.3)ms,(532.1±88.9)ms,P<0.001],对照组对组成中性词的反应时长于消极词[(509.5±80.3)ms vs.(496.1±72.3)ms,P<0.05]。病理性互联网使用组对组成消极词的反应时长于对照组(P<0.05),而对组成积极词和中性词的反应时两组差异无统计学意义(均P>0.05)。结论:病理性互联网使用青少年表现出对消极情感信息的注意选择偏向。

面对新闻情感信息“新闻”概念应该重新界定——新闻情感信息传播探讨之一

在新闻信息中，除了新闻事实信息之外，还存在着新闻情感信息。面对新闻情感信息，“新闻”概念应该重新界定。

新闻情感信息的开发与传播战略的提升——新闻情感信息传播探讨之八

一、在现场情境的细微处体验采访对象的情绪 对于采访对象的情绪，应在现场情境中体验。在这里，有必要先将情绪与情感的关系作一交待。新闻情感信息中包含着情绪号隋感，二者在本质上有很多方面相同、相似，但仍有区别，情绪是和体验者的生理需要相联系的，情感主要是与体验者的社会需要相联系的，这是二者的显著不同。此外还有如下相异之处：一是情绪具有波动性、情感具有稳定性：情绪持续时间短而情感持续时间长，前者来也匆匆，去也匆匆，后者正好相反；

新闻情感信息传播的起点:刺激——新闻情感信息传播探讨之三

新闻情感信息的传播，以新闻事实与其承载的新闻情感信息所形成的刺激为起点。其刺激的对象，既有媒体人，也有受众。对于新闻媒体人的刺激所引起他们的情感反应，又通过新闻产品与播发者的表情而作用于受众。

新闻情感信息传播的解读——新闻情感信息传播探讨之二

新闻情感信息中的“情感”，既不同于日常所说的那种非科学概念的情感，又不同于心理学意义与伦理学意义的情感，新闻情感信息的传播在诸多方面也相异于其他情感信息的传播。

语音情感信息可视化建模研究与探析

语音情感识别是情感计算领域的一个重要分支,研究者们尝试从多种角度对其展开不懈研究。本文从可视化的角度出发,提出了基于信息可视化的情感识别方法,原始语音情感特征经过图表示映射为包含内部数据结构信息的新型情感图特征,在一定程度上促进了语音情感识别系统的性能提高。另外,还将信息可视化技术应用到情感识别结果的表达上,实现情感信息的生动描述和高效表达。在信息可视化技术和语音情感识别研究充分融合的基础上,构建了一个完整的语音情感信息可视化模型,作为系统实现的基础。

新闻情感信息传播的重要环节:反应——新闻情感信息传播探讨之四

受众群体与群体中的个体，均属于新闻情感信息的主动接受者。他们的情感反应，构成新闻情感信息传播的重要环节。新闻刺激，既可引发各类受众群体的共同性情感反应，又可引发不同受众群体、不同受众个体不同的情感反应。

新闻情感信息传播主体的情感水平——新闻情感信息传播探讨之五

一、新闻媒体人应具有的高级情感 （一）新闻媒体人高级情感的主要方面“高级情感”是前苏联学者彼得罗夫斯斯基提出的概念，他认为这是只有人能体验到的情感①。这种情感，指的是人在社会生活中同自身需要相联系的复杂情感，它相异于高级动物也有的喜、怒、哀、乐、愤、惧等基本情绪、情感。道德感、理智感、美感等，是新闻媒体人素质中高级情感的基本构成。

试析灾难报道中的情感信息传播——兼以5.12四川大地震的相关新闻报道为例

本文联系5.12四川大地震的相关新闻报道,重点分析灾难报道中的情感信息传播。文章认为,灾难情境构建了大众的情感期待,强化了其情感需求,也使传媒所传达的情感信息格外丰富强烈,其情感信息的传播效果和社会效果更加显著;指出记者必须深入分析灾难情境下大众的情感期待,辩证地把握传媒情感信息传播的内容和方式。

融入情感信息词向量的评论文本情感分析方法

为了解决分布式词表示方法因忽略词语情感信息导致情感分类准确率较低的问题,提出了一种融入情感信息加权词向量的情感分析改进方法。依据专属领域情感词典构建方法,结合词典和语义规则,将情感信息融入到TF-IDF算法中,利用Word2vec模型得到加权词向量表示方法,并运用此方法对采集到的河北省旅游景点的评论文本与对照组进行对比实验。结果表明,与基于分布式词向量表示的情感分析方法相比,采用融入情感信息加权词向量的改进方法进行情感分析,积极文本的准确率提高了6.1%,召回率提高了6.6%,F值达到了90.3%;消极评论文本的准确率提高了6.0%,召回率提高了7.2%,F值达到了89.6%。因此,融入情感信息加权词向量的情感分析改进方法可以有效提高评论文本情感分析的准确率,为用户获得更为准确的评论观点提供参考。

新闻情感信息与新闻传播的效果——新闻情感信息传播探讨之七

新闻情感信息对于新闻传播宏观效果与微观效果的取得均有作用，本文着重探讨的是微观效果。