基于Plutchik情感轮的剧集网络评论文本的离散情感评价及有效性分析

看剧是一种高强度的情感休闲行为,剧集会激发受众多样而密集的情感,因此对看剧等文化消费的情感体验进行评价时,以离散情感模型作为理论基础会更有效,但目前对影视体验进行情感评价时以PANAS模型为主。基于Plutchik情感轮和NRC情感词典,构建了影评情感词库。使用Python软件抓取并评价了53部仙侠类、剧情类剧集豆瓣评论文本的离散情感,最后对离散情感评价结果进行了有效性分析。结果发现,一方面剧集网络短评可以用于衡量剧集情感,另一方面基于Plutchik情感轮的离散情感评价方法既可以对剧集进行分类,也比PANAS情感评价方法对剧集质量有更强的解释能力。研究结论可用于影视制片、剧集质量评价和情感营销。

融合情感轮注意力的情感分布学习

情感分布学习是一种近年提出的有效的多情绪分析模型,其核心思路是通过情感分布记录示例在各个情绪上的表达程度,适于处理存在情绪模糊性的情感分析任务。针对现有的情感分布学习方法较少考虑情感心理学先验知识的问题,提出一种基于情感轮注意力的情感分布学习(emotion wheel attention based emotion distribution learning,EWA-EDL)模型。EWA-EDL模型为每种基本情绪生成一个描述情绪心理学相关性的先验情感分布,再通过注意力机制将基于情感轮的先验知识直接融入深度神经网络。EWA-EDL模型采用端到端的方式对深度网络进行训练,同时学习情感分布预测和情绪分类任务。EWA-EDL模型主要由5部分构成,分别为输入层、卷积层、池化层、注意力层和多任务损失层。在8个常用的文本情感数据集上的对比实验表明,EWA-EDL模型在情感分布预测和情绪分类任务上的性能均优于对比的情感分布学习方法。

基于情感轮和情感词典的文本情感分布标记增强方法

情感分布学习是一种近年提出的用于处理存在情绪模糊性的多情绪分析模型,其核心思路是通过情感分布记录示例在各个情绪上的表达程度.不同于传统的单标记或多标记学习,情感分布学习可以定量地对多个情绪同时建模.目前,情感分布学习面临的一个重要困难是缺乏已标注情感分布的文本数据集.为了利用大量已有的单标记情感数据集,情感分布标记增强方法可以将示例的情绪标签增强为情感分布.基于文本中的情感词蕴含着大量情感信息的特点,本文在引入普鲁契克情感轮心理学模型的基础上,提出基于情感轮和情感词典的情感分布标记增强方法(Emotion Wheel and Lexicon based emotion distribution Label Enhancement,EWLLE).EWLLE方法基于情绪的心理学距离为句子的真实情绪标签和情感词的情绪标签分别生成离散高斯分布,然后通过分布的叠加将两种信息综合为统一的情感分布.在7个常用的中英文文本情感数据集上的对比实验表明,EWLLE方法在情绪识别任务上的性能优于已有的情感分布标记增强方法.

基于情感轮和多任务卷积神经网络的图像情感分布学习

图像情感分布学习可以对多种情绪同时进行建模,但现有的模型缺乏有效的方法直接考虑情绪之间的相关性.针对这一问题,该文提出一种基于情感轮和多任务卷积神经网络(EW-MTCNN)的图像情感分布学习模型,通过先验知识模块将心理学情感知识直接引入到深度神经网络中.基于Mikel′s情感轮定义成对情绪之间的相关性,EW-MTCNN模型采用多任务卷积神经网络学习情绪之间的相关性信息,同时优化情感分布预测和情绪分类任务.EW-MTCNN模型由3个模块组成,3个模块分别是图像特征提取层、情感轮先验知识层和多任务损失层.在情感分布数据集(Emotion6)和单标签数据集(Artphoto)上进行对比实验的结果表明:EW-MTCNN模型在情感分布预测与情绪分类任务上比其他情感分布学习方法具有更优的性能.

基于语义规则增强的蒙古语情感分布学习

为完善基于先验知识的标记增强方法对于情绪信息的捕捉,提出一种基于语义规则增强的蒙古语情感分布学习方法(semantic rule enhancement based Mongolian emotion distribution learning, SRE-MEDL)。在情感轮和情感词典的基础上,引入程度词典和否定词典,得到各种情感词组合,以此制定相应的语义规则计算情感词权重,将其融入到标记增强中。在情感分布学习中融入从情感分布空间到实例特征空间的反向重构映射来弥补正向映射引起的原始信息丢失问题。对比实验结果显示,在蒙古语和中英文常用数据集上,SRE-MEDL方法在标记增强任务和情感分布学习中的表现均优于现有方法。

沉浸式服务场景旅游者情感体验探究——以长沙超级文和友为例

文章依据沉浸式场景与旅游者情感交互的三阶段特征,借鉴PANAS量尺法构建情感量表,采用情感轮理论模型探索旅游者情感体验需求、效果及提升策略三方面。研究表明:文和友沉浸式服务场景中服务实体环境、文化刺激和服务产品是刺激旅游者形成积极情感体验效果的主要因素,而服务产品、企业高声誉及消费者贡献是导致旅游者产生消极情感体验效果的诱因;旅游者情感体验呈动态的倒U型变化趋势,且文中所构建沉浸式场景与情感交互环形机制模型为服务企业优化旅游者情感体验质量提供一定的引导和启示。

“制度与情感双轮驱动”模式在高校学生管理工作中的应用探索

进入上世纪90年代以来,我国的高等教育走上了快速发展的道路,高等教育逐步由精英化走向了大众化,伴随而来的是高校人数的快速增多.在这一背景下,高校的职能也在悄然发生着变化,其管理职能进一步凸显.而制度与情感是现代高校管理方式的两个重要驱动.本文旨在通过探索建立"制度与情感双轮驱动"模式,让制度管理和情感管理在高校学生管理工作中充分协调、灵活运用,从而真正实现高校学生管理"以人为本、以生为本"的目标和理念.

“制度与情感双轮驱动”模式在高校学生管理工作中的应用探索

进入上世纪90年代以来,我国的高等教育走上了快速发展的道路,高等教育逐步由精英化走向了大众化,伴随而来的是高校人数的快速增多。在这一背景下,高校的职能也在悄然发生着变化,其管理职能进一步凸显。而制度与情感是现代高校管理方式的两个重要驱动。本文旨在通过探索建立"制度与情感双轮驱动"模式,让制度管理和情感管理在高校学生管理工作中充分协调、灵活运用,从而真正实现高校学生管理"以人为本、以生为本"的目标和理念。

音乐情感论的历史足迹探寻

音乐是人类有史以来最直接的情感表现。无论人类在历史上如何表达情感,都说明了音乐作为艺术类的载体是最为恰当且准确表达人类情感的。可以说,在西方音乐美学思想史之中,无论是哪个历史时期,哪个学术流派,哪个理论体系,它们之中都渗透着有关情感的音乐美学思想。鉴于此,本文对音乐情感论的发展轨迹进行了梳理,以期待获得更加深刻的认识。

社会表征理论视域下网络公共事件的共识达成机制研究——以“电梯劝烟猝死案”的社交媒体讨论为考察对象

[目的/意义]网络公共事件的爆发与平息往往伴随着多元共识的凝聚与分化。通过表征的流动研究共识达成的机制,对于建立良性舆情应对模式,构筑信任具有重要意义。[方法/过程]在社会表征理论的框架下考察了“电梯劝烟猝死案”在社交媒体上的讨论文本,通过主题建模和情绪分析对事件发生的动态化网络情境进行还原,探讨事件涉及的社会表征、引发的社会情绪流动过程。[结果/结论]网络公共事件的共识达成是动态的议题框架和情绪框架竞合过程,事件涉及对象的社会表征在互动过程中具有一定的信息“应激性”,随着一致信息的刺激,表征逐渐稳定,基于网络公共事件的表层共识达成,但作为认识成果的深层共识的达成则需要时间沉淀。

基于蒙古语情感分布学习的数据增强方法

现有的情感分布学习尚未应用于蒙古语中,并且暂无利用情感分布学习进行数据增强研究。基于此,将极坐标的思想融入普鲁契克情感轮中,提出一种极坐标情绪表示法,把情感分布转化为复合情绪向量并将情感轮注意力信息融入模型中进行蒙古语情感分布学习。利用普鲁契克情感轮中任意两种基本情绪可以混合构成二元情绪的特性,为预测复合情绪向量扩展更为丰富的情绪标签,从而达到扩充数据集的目的。在蒙古语和中英文数据集上进行对比实验表明,基于极坐标情绪表示法的情感分布学习的性能优于传统方法。