从女子身份转变看《诗经》中女子的情感特征

《诗经》中有很多女性题材的诗篇,但从女子身份转变角度出发的研究较少。本文拟从女子身份转变的角度,去探究《诗经》中女子的情感特征。我们认为可从三个方面进行分析:第一,女子的身份由妻子转变为弃妇;第二,女子的身份由妻子转变为寡妇;第三,女子的身份由少女转变为妻子。

考虑文本情感特征的电商小微企业信用风险预警

电商小微企业为社会创造多元就业岗位、促进先进生产力发展,但信用风险影响其正常融资与发展。为进一步完善电商小微企业信用风险预警问题,基于淘宝生鲜行业小微企业的真实交易数据,考虑在线评论的文本情感特征,建立主客观两维度的信用风险指标体系;构建“两步法”网格搜索算法优化的随机森林模型,并运用SMOTE获取平衡数据集以构建更严格的预警模型;同时通过建立Logistic、CART、随机森林三大模型来设置对照组。实证结果表明:(1)考虑文本情感特征因素后所构建主客观两维度指标体系有效合理,通过了ROC有效性判定。(2)“两步法”网格搜索算法优化的随机森林模型效果优于其他三种预警模型。(3)平衡数据集不管对于单个预警模型还是集成预警模型而言都至关重要。研究为电商平台、金融机构建立统一预警模型、科学预测电商小微企业信用、高效贷款提供新思路。

以希望为底色的愤怒:英美批判教育学者的情感特征

以希望为底色的愤怒是英美批判教育学者的情感特征。愤怒既是对发生在自我身上不公正事件的反应,也是对破坏社会民主的激烈反应;希望既是对过往的拒绝,也是对未来的设想,更是对当下行动的呼吁。希望指引愤怒的行动,愤怒促成希望的实现。20世纪中后期,动荡的时代环境、个人独特的成长经历以及对异质性他者的承认的认知性因素促成情感的生成。在情感的驱动下,批判教育学者转变自身学术立场,以批判性语言与可能性语言重构理论,破译教育演绎社会再生产的逻辑,探求教育改变社会再生产的可能性,从而,在抨击当下资本主义世界的不公正现象的基础上,勾勒具体乌托邦蓝图。

基于SWCNN和双向LSTM的文本情感特征分析方法

针对文本句子中语义角色重叠、高维度文本词向量训练中难以收敛等问题,将情感词标签与卷积神经网络相结合,采用结合情感词的卷积神经网络算法,将词语转为情感标签后与词向量拼接再输入卷积神经网络,将输出的特征再与双向长短期记忆神经网络所获取的特征进行融合,最后通过全连接网络输出情感分类结果。实验结果表明,在微博新冠疫情评论情绪数据集上,本研究所提出的算法模型文本情感特征识别精确度达到89.23%,比其他深度学习算法在准确率上至少提高1.95%,而且训练具有更快的收敛速度,能够为文本情感识别提供一种新的思路与方法。

基于情感特征和谣言种类的谣言检测

针对利用评论与转发信息进行谣言检测存在滞后性,在仅使用谣言文本与谣言类别标识的情况下,提出一种基于情感特征和谣言种类的谣言检测模型。上述模型针对具有谣言种类标识的数据集,利用Bi-LSTM(Bi-directional Long Short-Term Memory)提取上下文特征,通过自注意力针对谣言种类进行权重调整,同时通过情感字典提取谣言情感特征作为增强特征,在具有谣言种类标识的数据中能够达到较好的谣言分类结果,实验结果表明,与RNN相比,在准确率上提高了6.8%,在F1上提高了6.9%。

弹幕情感特征对科技类视频流行度的影响研究

[目的/意义]旨在探究民众对科技类视频的关注焦点,在丰富学界关于视频流行度研究的同时,也为视频创作者优化制作策略提供借鉴。[方法/过程]考虑到弹幕中隐含的观众情感可能会影响视频的流行度,本文以弹幕情感特征为出发点,探究影响科技类视频流行度的因素。[结果/结论]视频播放量、评论量、弹幕量和中性情感比例对视频流行度有正向影响,而负向情感比例对视频流行度有负向影响。

融合情感特征的在线学习成绩预测研究

当前在线学习成绩预测研究主要考虑学习行为数据而忽略了学习者在学习过程中的情感状态,成绩预测的准确性仍有较大提升空间,结合学习者的情感特征定量预测学习成绩的研究亟需深入.因此,本文构建了基于自注意力机制的BiLSTM文本情感分类模型,获取情感概率分布向量;提出一种融合情感特征的在线学习成绩预测方法,获得学习者的动态学习状态并预测在线学习成绩;定量分析情感信息对在线学习成绩预测的影响.真实数据集上的实验结果表明:本文方法能有效提升在线课程论坛文本的情感分类效果和在线学习成绩预测的精度.

基于公共情感特征压缩与融合的轻量级图文情感分析模型

由于图文结合更能反映用户的态度和立场,图文情感分析已成为研究热点之一.然而,现有图文情感分析方法无法有效地提取融合图文信息,致使模型性能低、参数量大、不易部署.对此,提出了一种基于公共情感特征压缩与融合的轻量级图文情感分析模型.该模型结合卷积层和全连接层设计的图文特征压缩模块在提取图文特征的同时也进行了压缩,降低了特征维度.此外,提出了一种基于门控机制的公共情感特征融合模块,将图文特征映射到相同的情感空间,消除了图文特征间的异构性,通过提取、融合图像和文本的公共情感特征,减少了冗余信息.在Twitter,Flickr,Getty Images这3个基线数据集上的实验结果表明:所提模型比早期模型更有效地提取融合了图文情感信息;和最新模型相比,所提模型大大减少了模型参数并具有更优越的性能,更易部署.

基于TSE模型的武夷山游客情感特征研究

武夷山风景区被列为世界文化与自然双遗产地之一,同时也是武夷山国家公园的核心地。本研究采用TSE旅游情感评估模型,识别武夷山游客在网络评价中表达的情感倾向,分析游客的情感特征和影响因素。结果表明:(1)武夷山的游客情感整体呈现正面情感特征;(2)武夷山自然风景对游客情感的影响具有双向性;(3)票价贵和“一线天”的环境差是引发游客负面情感的重要节点。本研究有助于深入理解武夷山游客的情感特征,为进一步改善武夷山景区旅游体验和可持续发展提供较为有益洞见。

基于网络文本的森林康养旅游游客情感特征研究——以资溪县为例

本文采用内容分析法,以江西资溪县为例,对森林康养旅游游客情感特征进行分析。以2020年1月至2021年12月为时间区间,利用爬虫软件从去哪儿、马蜂窝、同程旅行、携程四大旅游网站抓取目标文本,通过软件ROST Content Mining 6对文本数据进行分析,梳理出资溪县森林康养旅游发展中遇到的问题。研究表明:游客积极情感占主导地位,消极情感所占比例较小,积极情感强度以中度和高度为主,消极情感以一般和中度为主。为进一步增加游客积极情感、削弱游客消极情感,资溪县应从游客体验、产业体系、市场监管、管理制度与专业人才五方面采取改进措施。

中阮曲《拍鼓翔龙舞》情感特征探析

阮咸作为中国最传统、最古老的传统民族乐器之一,距今已有几千年的历史。《拍鼓翔龙舞》由著名中阮作曲家林吉良与宁勇共同创作于1987年,张列先生配器。这首作品描绘了敦煌壁画中震撼人心的飞天形象,一经问世便深受人民的喜爱,并获得了陕西省首届艺术节大赛作品三等奖。本文以此作品为研究对象,从乐曲的引子、慢板、快板、拍板、高潮、尾声等多个乐段分析其演奏技巧与情感表现,为演奏者指明演奏时的注意点。

《诗经》中婚恋诗的情感特征

婚恋诗在《诗经》中占有很大比例,其作为中国情诗的源头,情感特征鲜明而多样。文章选取了其中有代表性的诗篇进行详细解读,归纳了其中所蕴涵的情感特征,以期更好地了解先民们丰富细腻的内心世界,从而感受这部古老诗集的现实魅力,汲取优秀文化传统的精神食粮。

一种基于多重词典的中文文本情感特征抽取方法

情感特征抽取是文本情感分类的重要步骤,正确的选择情感特征并赋予合理的情感权重是保障分类精度的前提。利用基础情感词词典、连词词典及词语距离,提出了一种基于多重词典的中文文本情感特征抽取算法,实验证明该方法优于HM,SO-PMI和词语语义距离等经典的特征抽取算法。

用户健康信息素养与问答文本情感特征对在线健康社区问答采纳影响分析

健康信息涉及较多医学术语,表述生硬易引发患者信息焦虑。探究健康咨询用户健康信息素养水平和医护人员问答文本的情感特征对信息采纳的影响,有助于提高在线平台医护人员信息交互效率,缓解患者健康焦虑。本文基于信息采纳模型(Information Adoption Model, IAM),爬取在线健康社区问答信息构建特征空间,选择Logistic回归算法,探究问答文本、医护人员专业权威、用户健康信息素养、表达情感特征对信息采纳的影响。研究结果表明,用户健康信息素养并未影响医护人员的回复行为,问答文本情感特征对健康信息采纳具有显著负向调节作用。在线健康社区应推动医护人员积极参与在线问诊,营造社区中人文关怀氛围,考虑用户的健康信息素养,为特定用户精准推送健康信息。

基于财经新闻的多维情感特征融合交易特征的股票预测模型研究

该文对互联网财经新闻中的情感倾向进行多维量化分析.引入卷积神经网络,按新闻类别提取多维情感特征,提出了融合多维情感特征和股票交易特征的股票价格LSTM预测模型.然后分别以贵州茅台和万科A为实证对象,对有无融合多维情感特征的股票预测模型进行比较.结果表明,引入基于财经新闻的多维情感量化特征,融合股票交易特征构建的股票预测模型能显著提高股票预测的准确率.

基于MFCC的语音情感特征提取研究

为了研究"世界记忆遗产"东巴经典古籍的音频分类,以通过语音情感特征提取的方法分类鉴别东巴音频类别,并实现对东巴经典语音的情感状态识别,同时提高人机交互性能,提出采用Mel频率倒谱系数(MFCC)实现语音情感特征的提取。通过引入MFCC的一阶差分、二阶差分描述语音特征的动态特征,并整合短时能量特征,最终形成MFCC和短时能量相叠加的语音信号特征参数,达到提取反映语音情感特征的目的。实验验证表明,该语音信号特征提取方法能够更明显地区分出包含在语音中的情感信息,为语音情感特征的识别研究及东巴古籍音频分类鉴别提供理论基础。

语音情感特征的提取与分析

语音情感识别与分析是目前人工智能、情感计算的主要研究方向之一,其研究成果能直接影响人与计算机的交互方式。语音情感识别的基础是语音情感特征值的确定、提取及分析,这将直接决定语音情感识别的准确程度。情感语音数据库的创建及选择成为语音情感特征值提取与分析的前提。本文实验所采用的情感语音库为北京航空航天大学电子信息工程学院毛峡教授课程组建立的,对于不同情感的同一样本语句进行能量分析、基频分析及共振峰分析,以确定不同特征值对于喜悦、愤怒、悲伤、平静等情感的区别度。这为进一步研究人类情感语音特征值的确定与提取、分析提供了一定的参考。

从语音信号中提取情感特征的研究

分析了含有欢快、愤怒、惊奇、悲伤等 4种情感的语音信号的时间构造、振幅构造和基频构造的特征。通过和不带情感的平静的语音信号的比较 ,总结了不同情感语音信号情感特征的分布规律 ,为情感信号处理和识别提供了有实用价值的理论数据。

语音信号中的情感特征分析和识别的研究

本文分析了含有欢快、愤怒、惊奇、悲伤等 4种情感语音信号的时间构造、振幅构造、基频构造和共振峰构造的特征。通过和不带情感的平静语音信号的比较 ,总结了不同情感语音信号的情感特征的分布规律。根据这些分析 ,提取了 9个情感特征进行了情感识别的实验 ,获得了基本上接近于人的正常表现的识别结果。

语音信号中的情感特征分析和识别的研究

提出了一种利用全局和时序结构的组合特征以及MMD进行情感特征识别的方法.对于从10名话者中 搜集的带有欢快,愤怒,惊奇和悲伤4种情感的1000句语句,利用提出的新的识别方法获得了94％的平均情感识别 率.