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
4
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
子句级别的自注意力机制的情感原因抽取模型
被引量:
1
1
作者
覃俊
孟凯
+2 位作者
刘晶
廖立婷
毛养勤
《中南民族大学学报(自然科学版)》
CAS
北大核心
2021年第1期64-73,共10页
情感原因抽取(ECE)是情感分析领域的一项重要子任务,旨在识别给定文档中某种情绪表达所对应的原因.现有的一些工作将该任务定义为子句分类任务,关注了文档和子句之间的联系,而忽略情感描述子句与情感原因子句的直接语义联系,同时存在标...
情感原因抽取(ECE)是情感分析领域的一项重要子任务,旨在识别给定文档中某种情绪表达所对应的原因.现有的一些工作将该任务定义为子句分类任务,关注了文档和子句之间的联系,而忽略情感描述子句与情感原因子句的直接语义联系,同时存在标签不平衡问题,使得情感原因子句位置难以定位.因此,提出了一个基于子句的自注意力机制同时结合了子句相对位置关系的神经网络模型去寻找情感原因子句.为了更加突显句子的局部特征,利用卷积神经网络抽取每个子句的上下文特征.模型首先使用双向长短期记忆网络编码子句信息,融合子句位置特征后,利用自注意力机制计算情感原因子句和情感描述子句之间的语义信息,并结合子句局部上下文特征,抽取情感原因子句.在基于新浪城市新闻的情感原因抽取中文数据集上,查全率R达到83.83%,优于目前的基线方法.
展开更多
关键词
情感原因抽取
自注意力机制
双向长短期记忆网络
卷积神经网络
相对位置关系
下载PDF
职称材料
基于Prompt和BERT的情感原因对抽取方法
2
作者
陈籽健
刘璐
+1 位作者
后琦
林宇亭
《信息技术与信息化》
2023年第8期42-46,共5页
情感原因对抽取是一项全新的自然语言处理任务,试图提取出文本中所有的情感子句以及相应的原因子句。现有的工作要么遵循多阶段方法,其中情感抽取、原因抽取及配对都是单独进行的;要么使用复杂的架构来解决其局限性,并且可解释性较低。...
情感原因对抽取是一项全新的自然语言处理任务,试图提取出文本中所有的情感子句以及相应的原因子句。现有的工作要么遵循多阶段方法,其中情感抽取、原因抽取及配对都是单独进行的;要么使用复杂的架构来解决其局限性,并且可解释性较低。针对这些问题,本文提出一种基于Prompt和BERT相结合的ECPE-Prompt模型。该模型以一种可解释性较强的两阶段方法将情感抽取和原因抽取链接起来,最后完成情感原因对抽取任务。实验结果表明,该模型的F1分数指标对比基线模型提高6%。
展开更多
关键词
情感
原因
对
抽取
BERT
PROMPT
两阶段
情感
抽取
情感原因抽取
下载PDF
职称材料
基于图依存分析的情感原因对抽取任务
3
作者
高德辰
张本文
+1 位作者
赵容梅
琚生根
《计算机应用研究》
CSCD
北大核心
2022年第5期1324-1329,1336,共7页
情感原因对抽取是情感分析任务中的子任务,旨在抽取出给定文档中的所有情感子句以及引起该情感所对应的原因子句。先前的研究在生成情感子句与原因子句表示时忽略了情感子句与原因子句之间的相互联系。为了解决上述问题,基于图依存分析...
情感原因对抽取是情感分析任务中的子任务,旨在抽取出给定文档中的所有情感子句以及引起该情感所对应的原因子句。先前的研究在生成情感子句与原因子句表示时忽略了情感子句与原因子句之间的相互联系。为了解决上述问题,基于图依存分析的思想并融入了图注意力机制,提出了GAT-ECPE模型。该模型在获取到情感子句表示与原因子句表示时,将句向量作为节点输入图注意力层从而学习到子句之间关系的信息,而后进行双仿射映射得到情感原因对的编码表示。并且设置了多任务来将情感抽取与原因抽取任务建立联系。在ECPE数据集上的实验结果证明,该模型相较于先前的一系列模型,在评估指标上有所提升。
展开更多
关键词
情感
原因
对
抽取
图依存分析
图注意力机制
多任务
下载PDF
职称材料
基于情感膨胀门控CNN的情感-原因对提取
被引量:
3
4
作者
代建华
邓育彬
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2020年第8期98-106,共9页
【目的】针对情感-原因对抽取这一情感分析任务,提出情感膨胀门控CNN(EDGCNN)模型。【方法】首先使用情感判别模型CNN找出情感句,然后将情感句编码输入到融入情感特征的EDGCNN模型,找出相应的情感原因,得到情感-原因对,并在实验数据集...
【目的】针对情感-原因对抽取这一情感分析任务,提出情感膨胀门控CNN(EDGCNN)模型。【方法】首先使用情感判别模型CNN找出情感句,然后将情感句编码输入到融入情感特征的EDGCNN模型,找出相应的情感原因,得到情感-原因对,并在实验数据集进行情感原因关键字标注。【结果】召回率和F1值分别达到了63.52%和60.45%,召回率优于已有方法最好结果,F1值与已有方法最优性能相当,而且能从更细粒度实现情感-原因对抽取。【局限】情感-原因对语料规模较小,有待进一步扩充完善。【结论】EDGCNN模型能够从文本中更好地抽取情感-原因对。
展开更多
关键词
情感
-
原因
对
抽取
EDGCNN
情感
判别
原文传递
题名
子句级别的自注意力机制的情感原因抽取模型
被引量:
1
1
作者
覃俊
孟凯
刘晶
廖立婷
毛养勤
机构
中南民族大学计算机科学学院&湖北省制造企业智能管理工程技术研究中心
出处
《中南民族大学学报(自然科学版)》
CAS
北大核心
2021年第1期64-73,共10页
基金
湖北省技术创新专项重大资助项目(2019ABA101)
中央高校基本科研业务费专项资金资助项目(CZT20024,CZQ20012)。
文摘
情感原因抽取(ECE)是情感分析领域的一项重要子任务,旨在识别给定文档中某种情绪表达所对应的原因.现有的一些工作将该任务定义为子句分类任务,关注了文档和子句之间的联系,而忽略情感描述子句与情感原因子句的直接语义联系,同时存在标签不平衡问题,使得情感原因子句位置难以定位.因此,提出了一个基于子句的自注意力机制同时结合了子句相对位置关系的神经网络模型去寻找情感原因子句.为了更加突显句子的局部特征,利用卷积神经网络抽取每个子句的上下文特征.模型首先使用双向长短期记忆网络编码子句信息,融合子句位置特征后,利用自注意力机制计算情感原因子句和情感描述子句之间的语义信息,并结合子句局部上下文特征,抽取情感原因子句.在基于新浪城市新闻的情感原因抽取中文数据集上,查全率R达到83.83%,优于目前的基线方法.
关键词
情感原因抽取
自注意力机制
双向长短期记忆网络
卷积神经网络
相对位置关系
Keywords
emotion cause extraction
self-attention mechanism
bidirectional long-term short-term memory network
convolutional neural network
relative position relationship
分类号
TP391.1 [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
基于Prompt和BERT的情感原因对抽取方法
2
作者
陈籽健
刘璐
后琦
林宇亭
机构
中南民族大学计算机科学学院
湖北省制造企业智能管理工程技术研究中心
农业区块链与智能管理湖北省工程研究中心
出处
《信息技术与信息化》
2023年第8期42-46,共5页
基金
国家民委中青年英才培养计划(MZR20007)
湖北省科技重大专项(2020AEA011)
+1 种基金
新疆维吾尔自治区区域协同创新专项(科技援疆计划)(2022E02035)
中央高校基本科研业务费专项资金资助项目(CXY22008)。
文摘
情感原因对抽取是一项全新的自然语言处理任务,试图提取出文本中所有的情感子句以及相应的原因子句。现有的工作要么遵循多阶段方法,其中情感抽取、原因抽取及配对都是单独进行的;要么使用复杂的架构来解决其局限性,并且可解释性较低。针对这些问题,本文提出一种基于Prompt和BERT相结合的ECPE-Prompt模型。该模型以一种可解释性较强的两阶段方法将情感抽取和原因抽取链接起来,最后完成情感原因对抽取任务。实验结果表明,该模型的F1分数指标对比基线模型提高6%。
关键词
情感
原因
对
抽取
BERT
PROMPT
两阶段
情感
抽取
情感原因抽取
分类号
TP391.1 [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
基于图依存分析的情感原因对抽取任务
3
作者
高德辰
张本文
赵容梅
琚生根
机构
四川大学计算机学院
四川民族学院理工学院
出处
《计算机应用研究》
CSCD
北大核心
2022年第5期1324-1329,1336,共7页
基金
国家自然科学基金资助项目(61972270)
四川省新一代人工智能重大专项项目(2018GZDZX0039)
四川省重点研发资助项目(2019YFG0521)。
文摘
情感原因对抽取是情感分析任务中的子任务,旨在抽取出给定文档中的所有情感子句以及引起该情感所对应的原因子句。先前的研究在生成情感子句与原因子句表示时忽略了情感子句与原因子句之间的相互联系。为了解决上述问题,基于图依存分析的思想并融入了图注意力机制,提出了GAT-ECPE模型。该模型在获取到情感子句表示与原因子句表示时,将句向量作为节点输入图注意力层从而学习到子句之间关系的信息,而后进行双仿射映射得到情感原因对的编码表示。并且设置了多任务来将情感抽取与原因抽取任务建立联系。在ECPE数据集上的实验结果证明,该模型相较于先前的一系列模型,在评估指标上有所提升。
关键词
情感
原因
对
抽取
图依存分析
图注意力机制
多任务
Keywords
emotion cause pair extraction
graph-based dependency parsing
graph attention mechanism
multi-task
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
基于情感膨胀门控CNN的情感-原因对提取
被引量:
3
4
作者
代建华
邓育彬
机构
湖南师范大学智能计算与语言信息处理湖南省重点实验室
湖南师范大学语言与文化研究院
湖南师范大学信息科学与工程学院
出处
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2020年第8期98-106,共9页
基金
湖南省科技创新计划项目“湖湘高层次人才聚集工程-创新人才”(项目编号:2018RS3065)和“智能计算与语言信息处理湖南省重点实验室”(项目编号:2018TP1018)的研究成果之一。
文摘
【目的】针对情感-原因对抽取这一情感分析任务,提出情感膨胀门控CNN(EDGCNN)模型。【方法】首先使用情感判别模型CNN找出情感句,然后将情感句编码输入到融入情感特征的EDGCNN模型,找出相应的情感原因,得到情感-原因对,并在实验数据集进行情感原因关键字标注。【结果】召回率和F1值分别达到了63.52%和60.45%,召回率优于已有方法最好结果,F1值与已有方法最优性能相当,而且能从更细粒度实现情感-原因对抽取。【局限】情感-原因对语料规模较小,有待进一步扩充完善。【结论】EDGCNN模型能够从文本中更好地抽取情感-原因对。
关键词
情感
-
原因
对
抽取
EDGCNN
情感
判别
Keywords
Emotion-Cause Pair Extraction
EDGCNN Emotion
Discrimination
分类号
TP391 [自动化与计算机技术—计算机应用技术]
G202 [文化科学—传播学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
子句级别的自注意力机制的情感原因抽取模型
覃俊
孟凯
刘晶
廖立婷
毛养勤
《中南民族大学学报(自然科学版)》
CAS
北大核心
2021
1
下载PDF
职称材料
2
基于Prompt和BERT的情感原因对抽取方法
陈籽健
刘璐
后琦
林宇亭
《信息技术与信息化》
2023
0
下载PDF
职称材料
3
基于图依存分析的情感原因对抽取任务
高德辰
张本文
赵容梅
琚生根
《计算机应用研究》
CSCD
北大核心
2022
0
下载PDF
职称材料
4
基于情感膨胀门控CNN的情感-原因对提取
代建华
邓育彬
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2020
3
原文传递
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