论欧阳修词评价与文人审美情怀

欧阳修词集无定本,词风多样,历代评论者对其评价不一,但这些评论都流露着他们的审美情怀与审美文化心理。其审美情怀体现在两个方面:一是重视欧阳修词中所流露出的人格美;二是重视欧阳修词的艺术美。这一审美情怀与评论者的审美文化心理密不可分:一方面他们喜欢小词的词情美;另一方面又受到儒家文化追求人格美的影响,对于不合规矩的小词加以排斥。总之,这种审美情趣在一定程度上影响了评论者的审美客观性,应引起人们深深地思考。

基于词性特征与句法分析的商品评价对象提取

针对中文在线评论中语言不规范以及多样性导致评价对象识别错误的问题,提出基于词性特征与句法分析的商品评价对象提取方法。根据中文语言特点,利用形容词、副词、动词的词性特征构建规则提取评价词。通过子句序列的句法树结构提取候选评价对象并进行过滤。基于核心句法路径筛选评价搭配,以减少提取过程中引入的评价对象以及评价词噪声,从而提取出真正的评价对象。实验结果表明,引入句法树结构与核心句法路径使得商品评价对象识别的F值达到80%以上。

基于条件随机场模型的“评价特征-评价词”对抽取研究

自媒体环境下对海量评价信息进行情感分析与监控已越发重要,它不仅可推动观点挖掘的深入研究,而且可帮助企业探索用户需求以产生巨大的商业价值。本文在条件随机场模型(CRFs)的基础上,结合句法特性,通过实验选取合适的句法特性组合,寻找评价特征提取的路径;其次,构建了手机领域的评论语料库。然后,利用句法分析器把评论短句分解成相应的句法树,分析评价特征词和评价词之间存在的依存关系以及观点信息的完整性结构,利用算法将〈评价特征,评价词〉对从评论语料中抽取出来。提出了基于依存语法的〈评价特征,评价词〉对抽取方法,利用Arbor.js对〈评价特征,评价词〉对进行了可视化展示。从实验结果看,本方法能提高评价特征提取的准确性,并能正确地获取观点信息,为极性判断和完整的观点挖掘做了铺垫。

基于语义分析的评价对象-情感词对抽取

评价对象-情感词对是情感词及其所修饰评价对象的组合,评价对象-情感词对的识别是细粒度情感分析的一个原子任务和关键任务.现有的研究大多集中在商品评论上,随着金融大数据的涌现,金融评论的情感挖掘意义凸显.与商品评论不同,中文金融评论中评价对象数目繁多且构成形式复杂,虚指评价对象和隐式评价对象也更常见;情感词的词性更丰富,其在句中的句法成分也更灵活、语义更丰富.针对金融评论的这些特点,该文提出了基于浅层语义与语法分析相结合的评价对象-情感词对抽取方法.考虑到金融评论多动词情感词,设计了语义角色标注与依存句法分析相结合的评价对象-情感词对抽取规则,解决了评价对象构成的复杂性问题;基于语义和领域知识对虚指评价对象进行了判别和替换,以明确其实际的指向和含义;基于特殊情感词搭配表、上下文搭配表及频繁搭配表提出了隐式评价对象识别的新思路,能有效地识别出缺省和隐含评价对象.在大规模的中文金融评论上进行了详细的实验测试,实验结果表明了该方法的有效性.

广告英语中的评价性语用指示词研究——基于评估理论的分析

以评估理论的介入体系为立足点,以充当句子状语和语用指示词双重身份的副词为研究对象,以自建语料库中的广告语篇为材料,调查了评价性语用指示词作为介入手段在语篇中的使用情况。结果发现评价性语用指示词在句中出现的机率是句首>句中>句末;它扩大了广告商与读者的对话空间,揭示了广告语篇中的潜在互动,把读者从被动的信息接受者变成积极的信息共享者和交换者,从而达到广告的说服目的。

结合词性规则和依存句法分析的评价对象抽取方法

评价对象的抽取能够让用户和商家同时受益,商家通过评价对象了解用户关心的产品特征,改进商品质量;用户通过评价对象做出购买决策。由于网络评论环境特殊,评价对象的抽取比传统的信息处理更复杂。在一些学者研究的基础上,本文提出一种词性规则和依存句法分析相结合的抽取方法。首先,该抽取方法利用词性规则制定名词短语抽取模板,得到候选评价对象,根据评价词对评价对象的修饰作用对评价对象进行第一次筛选;其次,利用8种依存句法关系对评价对象进行第二次筛选;最后,将2种筛选结果进行结合,得到最终的评价对象。实验结果表明,该方法在3类数据集上都取得了一定的效果。

《红楼梦》回目中人物评价词英译探析

《红楼梦》回目中有众多的人物评价词,如"俏平儿"、"敏探春"等,这种现象还未受到红译研究界的注意。本文以《红楼梦》回目中的人物评价词及其对应的几种英译为研究对象,把人物评价词的英译分为五种类型,即省译法、音译法、直译法、意译法以及创译法,并对各种翻译方法进行简要的例证分析,发现邦译、乔译、杨译的直译较多,体现了以原文为中心的忠实导向,霍译的方法分布比较均匀,出现了较多的省译与创译,译文既有较大的灵活性,又能较准确地反映相关人物的性格与形象。

使用深度长短时记忆模型对于评价词和评价对象的联合抽取

评价词和评价对象抽取在意见挖掘中是一个重要的任务,我们在句子级评价词和评价对象联合抽取任务上研究了长短时记忆(long short-term memory)神经网络模型的几种变种应用。长短时记忆神经网络模型是一种循环神经网络模型,该模型使用长短时记忆模型单元作为循环神经网络的记忆单元,它能够获得更多的长距离上下文信息,同时避免了普通循环神经网络的梯度消失和梯度爆炸的问题。我们对比了传统的方法,实验结果证明长短时记忆神经网络模型优于以前的方法,在细粒度评价词和评价对象的联合抽取中达到更好的性能。

俄语功利评价词研究

人们评价事物的标准之一就是功利标准,它是从"有益的/有害的"角度考察主体对客体的价值态度,反映某一客体就实现一定目标的适合性或有用性。根据功利评价级差,可将俄语功利评价词分成四种语义类型,它们具有各自的语义-语法特征和客体类型。在言语交际中,俄语功利评价词具有表达建议、意愿、威胁、警告等语用功能,其言后影响是让受话人赞同说话人的评价内容,进而赞同说话人的观点并采取对说话人有利的行为。

基于胶囊特征聚合的评价词和评价对象抽取

为提高传统门控制单元(GRU)的特征抽取能力,受独立循环神经网络(independently recurrent neural network,IndRNN)的启发,提出独立门控制单元(independently gate recurrent unit,Ind GRU),实验结果表明Ind GRU在3个数据集上的特征提取能力优于传统GRU和长短期记忆网络(LSTM),证明了Ind GRU的有效性。针对传统评价词和评价对象抽取方法不能很好地利用抽象特征之间的关联关系问题,提出一种基于胶囊特征聚合的评价词和评价对象抽取模型,模型使用多个双向Ind GRU并行提取文本上下文信息,构造胶囊特征,使用动态路由算法利用特征间关系实现胶囊特征的聚合,最后使用条件随机场(CRF)完成序列标注。模型在3个基准数据集上取得了比目前的先进方法较好或相当的效果,证明了模型的有效性。

情感分析中评价词与情感强度的确定

文本情感分析的主要任务是识别和判断文本中的情感单元,情感单元既包括直接决定了文本情感倾向的评价词,又考虑了对情感倾向有间接影响的上下文。本文提出了评价词的确定原则,从不同的角度对评价词进行分类,并论述了影响文本情感强度的语言因素,包括词汇、语境、固定搭配、语法手段、标点符号和表情等,试图将文本中带有情感倾向的成分识别出来,提高文本情感分析的效果。

使用基于模式的Bootstrapping方法抽取情感词

情感评价词典在情感分析中具有非常重要的作用,在新词频发的网络环境中,识别新的情感评价词,完善现有的情感词典是非常有必要的。使用基于模式的Bootstrapping方法,在微博语料中抽取情感评价词。实验证明,在保持了较理想的精确率的情况下,上述方法抽取了数量可观的传统情感词典未收录的情感评价词。

服装面料感性意象的评价与分析

面料是服装设计的物质基础,除具有基本的使用功能外,还具有特有的意象与情感。消费者日益增长的审美情趣和个性化消费要求面料设计时应注重消费者的审美感受与心理体验。针对服装面料设计如何满足消费者的情感需求问题,运用感性工学原理,以女大学生为例,开展基于该群体感性意象的服装面料审美评价研究。通过抽样调查与数据统计,建立女大学生群体对面料评价的感性意象空间;通过定量分析确定该群体对服装面料的评价要素集群、核心评价词汇及感性评价要素中最具代表性的面料特征,为设计符合消费者心理期待的面料产品提供参考。

论杜文澜的词学主张与创作

杜文澜是晚清著名词家,有《采香词》及词论著作《憩园词话》等,然学界对其研究甚 少。本文通过对杜氏词学活动的考索,讨论了杜文澜与吴中词派的关系、杜文澜的词学主张与创 作,并对其词史地位作了评价。

基于顾客偏好的瓶装水外观感性质量评价

从感性质量评价的角度提取13个感性质量评价词对,用于全面且针对性地评价顾客对瓶装水的偏好.以"想购买"为综合感性提取瓶装水的感性质量评价要素,结合聚类分析等方法确定7种代表性样本.基于语义差异法构建瓶装水感性质量评价量表,运用多元回归模型分析建立顾客偏好与感性评价词对之间的关系模型.关系模型解决了如何识别顾客偏好和感性质量需求,以及如何将这些偏好和需求整合到产品设计过程中的问题.

宋征舆《蝶恋花·秋闺》意旨发覆

从近代谭献、王国维到今人严迪昌、叶嘉莹等 ,均以比兴寄托的眼光看宋征舆的《蝶恋花·秋闺》词 ,认为它暗示了作者出仕清廷的愧悔之情。其实这是极大的误解。这首词写于崇祯八年乙亥 (16 35 )、九年丙子(16 36 )之际 ,收在明末刻本《幽兰草》中 ,本身就是一首闺怨词 ,没有什么政治上的寄托。

基于词对齐模型的中文评价对象与评价词抽取

提出一种基于统计机器翻译的思想抽取评价对象与评价词的方法。该方法利用词对齐模型抽取评价对象与评价词之间的关系,并结合词共现信息等特征来估计两者关系的强度。建立一张二分图刻画评价关系,并加入领域相关性度量,利用随机游走算法迭代计算候选评价对象与评价词的置信度。在COAE2011任务3的语料上进行试验验证。结果表明,利用词对齐模型抽取评价对象与评价词可以有效提高准确度,抽取出更多的评价对象与评价词。

基于知网的模糊情感本体的构建研究

构建模糊情感本体是在线评论情感分析的基础。针对在线评论情感表达的多样性和模糊性，将情感本体划分为评价词本体和情感词本体，利用模糊理论和知网相关概念，构建模糊情感本体的基本模型。根据评价词和情感词的各自特点，运用模糊化处理和语义相似度的相关理论，分别对评价词模糊本体和情感词模糊本体的情感类型和隶属度进行了相应处理。并通过与点互信息方法比较，验证了情感本体模型在自动获取情感类方面的有效性，最后进行了相关数据统计。

科技文本中的it评价性词块:语料库驱动的短语对等原则与方法

本文在Sinclair"成语原则"理论框架下,采用语料库驱动的翻译对等研究方法,利用平行语料库和可比语料库,探讨英语科技文本中以it为形式主语、表达评价意义的句级词块,并确立其汉语对等语。研究表明:1)英语科技文本中有大量复现it评价性词块,表达态度和评价意义;2)可比语料库和平行语料库的日渐兴起为跨语言短语对等研究开辟新的途径;3)词语共现行为对确立跨语言短语对等有重要作用和影响。

基于BiLSTM-CRF的MOOC课程评论抽取研究

文中主要研究从MOOC课程评论中抽取评价对象和评价词的方法。将MOOC课程评论评价对象和评价词的抽取问题看作序列标注问题,利用BiLSTM模型获取MOOC课程评论中评价对象和评价词的上下文信息,利用CRF模型获取MOOC课程评论中评价对象和评价词的整体信息,从而标注出MOOC课程评论中评价对象和评价词。提出的MOOC课程评论评价对象和评价词抽取方法的准确率为82.62%,召回率为84.10%,F1值为83.35%。实验结果表明,文中提出的BiLSTMCRF模型可以有效地从MOOC课程评论中抽取评价对象和评价词。