藏文情感语料库的构建及自动标注方法研究

针对藏文情感分析领域中缺乏相应的基础训练语料库、模型又需要大量的数据做支撑、传统的人工标注需要耗费大量的人力物力资源且普适性不高的情况,构建了细粒度的藏文情感语料库和情感词典。首先由三人分别对每一个词进行情感强度标注,其次将语料和词典按规则进行匹配,最后以情感强度平均得分来表示文本的情感类别。本文所构建的细粒度情感语料资源,在一定程度上能够缩短海量标注语料库的开发周期,并降低语料标注的人工成本。

情感语料库的构建和分析

本文介绍了情感语料库构建方面的一些经验,讨论了在设计和建设情感语料库中的几个基本问题:制定标注规范、选择标注集、设计标注工具以及标注过程中的质量监控。目前已经标注完成近4万句,100万字的语料。在完成这些已标注语料的基础上,进一步给出了语料库的情感分布,情感迁移规律等统计数据,分析了情感语料库的特点及应用。它的建成将为文本情感计算提供更加强大的资源支持。

高表现力情感语料库的设计

针对高表现力情感语音合成的需要,设计并建立了一个具有四种情感状态(正常、喜悦、忧伤、愤怒)的高表现力情感语料库。该数据库包含1000个词组、700条语句,共30分钟的语料。论文分析并讨论了设计和建立情感语料库的几个重要准则:语料的选择、制定标注规范、安静的录音环境、情感的情景准备以及情感语料库经主观辨听的后期筛选。为达到高表现力,论文着重强调了情境诱发的重要性,主观听觉评价表明,本数据库具有明显的情感特征。

基于汉语网络新闻评论的情感语料库标注研究

为揭示汉语网络新闻评论文档在情感表达上的特性,基于评价理论的态度系统,采用语义标注方法,试图从多角度揭示汉语情感语义表达的参数特征。研究发现汉语情感语义的表达呈现多参数性特征。该情感语料库不仅可为目前汉语情感计算提供结构性情感语义资源、方便机器学习、利于观点抽取和整合工作,还将会为现有计算机和语言学领域的汉语情感标注提供一种多参数的操作方法。

多模态语音情感语料库的语言符号学“全文本”解读

在符号学与语言学的交叉学科语言符号学视角下,探讨语言符号学对语料库全文本解读的可行性和实际应用价值,是语言符号学应用广度上一个新尝试,也是对语料库后续价值的进一步挖掘。本文主要从已经建立的语力和韵律关联性多模态语音情感语料库的语言符号学全文本解读分析入手,论证语言符号学视角下多模态语音情感语料库的全文本解读不仅可以还原语料库的原有信息,而且生成新的可用信息,更好地解释语力、韵律和情感的互动关联,同时为语料库的后续研发提供资源基础,从而说明语言符号学这个新兴交叉学科的实际应用价值和对研究空间的拓展功能。

维吾尔文情感语料库的构建与分析

针对维吾尔文情感语料库标注体系不规范、语料库规模小、没有合适的标注平台等问题,分析英文和中文比较著名情感语料库的优点,结合维吾尔语文本的特点,建立维吾尔文情感语料标注规范,利用Python语言构建集数据采集与标注为一体的情感标注平台,最后构建在舆情分析和舆情监控中可以应用的维吾尔文情感语料库。实验结果表明,该标注规范具有可扩展性和实用性,标注平台可以有效地减轻标注人员的工作量,提高情感语料库的质量,情感语料库可以用于舆情分析任务。

藏文情感语料库的构建与分析

针对藏文情感分析的要求,建立藏文情感语料库。建库主要分三大步骤,爬取原始语料、开发标注平台、建立结构化语料。在标注体系上,糅合并参考英文和中文中相对优秀的情感语料库的标注体系的优点,结合藏文情感文本的特点,建立藏文情感语料标注规范。实验表明,该语料库具有扩展性和实用性,在该标注平台上标注藏语词句能减轻标注人员工作量,同时有效建立结构化语料,满足情感分析需求。

中文网络评论情感语料库的构建研究

本文在对国内外情感语料库构建和缺点进行对比的基础上,综合考虑中文语言习惯和网络评论情感表达特点,对情感语料标注体系进行设计,确保设计的合理性,通过制定统一的标注规范以提高标注一致性,并选取合适的标注模式来存储标注后的语料,最终构建完成一个小型情感语料库,它的建成会给中文网络评论文本的情感分析工作提供更多的资源支持。

基于深度域适应CNN决策树的跨语料库情感识别

在跨语料库语音情感识别中,由于目标域和源域样本不匹配,导致情感识别性能很差。为了提高跨语料库语音情感识别性能,本文提出一种基于深度域适应和卷积神经网络(Convolutional neural network,CNN)决策树模型的跨语料库语音情感识别方法。首先构建基于联合约束深度域适应的局部特征迁移学习网络,通过最小化目标域和源域在特征空间和希尔伯特空间的联合差异,挖掘两个语料库之间的相关性,学习从目标域到源域的可迁移不变特征。然后,为了降低跨语料库背景下多种情感间的易混淆情感的分类误差,依据情感混淆度构建CNN决策树多级分类模型,对多种情感先粗分类再细分类。使用CASIA,EMO-DB和RAVDESS三个语料库进行验证。实验结果表明,本文的跨语料库语音情感识别方法比CNN基线方法平均识别率高19.32%~31.08%,系统性能得到很大提升。

网络评论情感语料库的构建研究

随着因特网服务的不断深入,情感信息的检索和利用日益受到重视。消费者在线产品评论蕴含大量的情感信息,在意见挖掘、个性化推荐等方面具有重要应用价值。针对手机、家电、化妆品等三个不同领域的产品在线评论进行语料收集和初步整理;在语料加工阶段,建立在线产品评论情感XML标注体系,并完成第一期语料的标注,实现在线评论情感语料库的初步构建,为文本情感计算、情感推理奠定基础。

基于爬虫和SVM的微博评论情感分析研究

微博作为热点时事的重要传播平台,每个文章或视频下面的评论是各路网友关注的重点,手动下拉后复制粘贴微博评论是日常行为,但此操作会降低情感分析速率。针对以上情况,文章采用Selenium技术模拟人登录和输入验证码,导入Requests库对网页源代码进行解析后保存微博评论。将ChnSentiCorp情感分析语料库导入支持向量机(Support Vector Machines,SVM)分类模型进行训练,对所爬取的微博评论进行文本预处理后,用训练好的SVM模型对微博评论进行情感分类。分类后的实验结果表明:SVM分类精度较低,主要原因是情感分析语料库并不具有广泛性,利用爬虫技术自建微博评论语料库,导入分类模型进行训练,会使得情感分类的准确性更高。

融合说话者特征的个性化自然语音情感识别

情感特征的高级表示与说话者的个性化特征之间存在较强相关性,因此以提升个性化情感识别精度为目标,设计一组融合说话者特征和语音情感特征的识别模型,利用卷积神经网络模型获取说话者类别,在融合说话人特征高阶表达的基础上,利用卷积循环神经网络训练个性化情感识别模型,结合自建的成人自然情感语料库,在多项语音情感语料库上测试识别模型性能,从而验证该模型的有效性。

基于MFCCG-PCA的语音情感识别

针对语音情感值维度大、难处理的问题,结合MFCC改进算法和PCA模型,进行二次优化,提出一种新的语音情感值提取模型MFCCG-PCA。多组实验表明,相比一般的MFCC模型,MFCCG-PCA模型在语音情感识别方面的性能有较大提高。

基于卷积神经网络的藏语语音情感识别

语音情感识别(speech emotion recognition,SER)是人机交互中的热点研究技术,但基于藏语的SER研究少有学者涉足。在构建了一个五千条藏语拉萨方言的语音情感语料库TSEC5000的基础上,将卷积神经网络(convolutional neural network,CNN)用于实现藏语语音情感的识别,并通过改变CNN的层数来改进说话人相关、说话人无关的SER性能。实验结果表明,对于藏语说话人相关的SER在4层卷积网络上获得89%的识别率,基于TSEC5000说话人无关SER在5层网络上获得最好的识别率为76%。

融合图像显著性的声波动方程情感识别模型

语音情感识别(Speech emotion recognition,SER)是计算机理解人类情感的关键之处,也是人机交互的重要组成部分。当情感语音信号在不同的介质传播时,使用深度学习模型获得的识别精度不高,识别模型的迁移能力不强。为此,设计了一种融合图像显著性和门控循环的声波动方程情感识别(Image saliency gated recurrent acoustic wave equation emotion recognition,ISGR-AWEER)模型,该模型由图像显著性提取和基于门控循环的声波动模型构成。前者模拟注意力机制,用于提取语音中情感表达的有效区域,后者设计了一个声波动情感识别模型,该模型模拟循环神经网络的流程,可以有效提升跨介质下语音情感识别的精度,同时可快速地实现跨介质下的模型迁移。通过实验,在交互情感二元动作捕捉(Interactive emotional dyadic motion capture,IEMOCAP)情感语料库和自建多介质情感语音语料库上验证了当前模型的有效性,与传统的循环神经网络相比,情感识别精度获得了25%的改善,并且具有较强的跨媒介迁移能力。

基于多情感说话人自适应的情感语音合成研究

提出了一种基于多情感自适应的情感语音合成方法,其创新点在于,通过SAT过程从多个说话人的情感语音语料中获得情感语音的平均音模型,对目标说话人的情感数据进行自适应变换,构建目标情感的声学参数模型,从而达到合成出目标说话人的情感语音的效果.实验表明,本方提出的方法能够获得自然度和情感相似度均较好的合成情感语音.

中文情感分析研究综述

近年来,随着互联网在中国的普及,网络上大量出现带有主观性的文本,如用户在博客、微博、等社交网络发表的评论,这些评论信息包含大量情感信息和主观观点。有效挖掘此类文本的信息对于电子商务、信息预测,舆情监控有着重要实用价值。当前,情感分析已经成为自然语言处理学术界的研究热点。

情感隐喻语料库构建与应用

隐喻普遍存在于人类语言中,是对复杂而抽象的情感进行概念化的重要手段,也是情感计算的重要组成部分.无论面向计算机科学还是语言学的应用,情感计算都需要大规模、高质量的语料库作为资源支撑,才能进行更加深入、广泛的研究.因此,本文构建一个大规模汉英双语情感隐喻语料库,用以满足情感计算对语言资源建设的迫切需求.首先归纳情感隐喻语料库构建的理论框架,然后从概念界定、设计原则、语料收集、语料标注、质量监控5个方面分别进行说明,最后论述了该语料库在机器翻译、外语教学及情感分析方面的应用.

文本倾向性分析综述

介绍文本倾向性分析的基本流程,从主观性文本识别、文本倾向性分析方法、现有系统及评测方法、语料库建设4个方面对现有文本倾向性分析技术进行介绍和概括.综述了文本倾向性分析的3类研究方法:简单统计方法、机器学习方法和细粒度情感相关性分析方法,分析这3类研究方法的特点,从算法复杂性、效率和适用范围等方面比较各自的优缺点.概括现有研究的成就和不足,从基础性问题、具体应用的实现方法2个方面提出研究的前景.

A CORPUS-BASED STUDY ON THE USE OF EMOTION VOCABULARY BY CHINESE EFL LEARNERS

The present paper examines gender effects on the use of emotion vocabulary in SECCL.The study reveals both inter-group and intra-group differences in the use of English emotion words by the female and male Chinese EFL learners,and the findings also show that Chinese learners use emotion vocabulary in ways different from native English speakers.The gender difference is attributed to the ways in which Chinese culture defines and values women and men in terms of emotion displaying.The paper suggests that learning English emotion words should be integrated with learning cultural meanings associated with them.