“诗歌语法”应指诗歌语言里词、短语等语言单位的结构规则。广义上其包括常规语法,也包括突破常规的创新语法。诗歌语法是在常规语法的基础之上形成,突破了原有的语法规则。诗歌语法比常规语法更能反映人类丰富的表达能力。最后,诗歌...“诗歌语法”应指诗歌语言里词、短语等语言单位的结构规则。广义上其包括常规语法,也包括突破常规的创新语法。诗歌语法是在常规语法的基础之上形成,突破了原有的语法规则。诗歌语法比常规语法更能反映人类丰富的表达能力。最后,诗歌语法也会选择性地融入到常规语法。Grammaticality of poetry is the structure rule of language unit on words and phrases in poetry, which includes normal grammar as well as innovative grammar. Forming on the basis of normal grammar, grammaticality of poetry will break original grammatical rules, and show richer expression skills than normal grammar. Moreover, they easily interact with normal grammar.展开更多
针对语法依赖树存在多个方面词相互干扰的依赖信息、无效单词,以及标点符号带来的冗余信息和方面词与对应情感词之间的关联性较弱等问题,提出一种融合强关联依赖和简洁语法的方面级情感分析模型(SADCS)。首先,构建情感词性(POS)列表,通...针对语法依赖树存在多个方面词相互干扰的依赖信息、无效单词,以及标点符号带来的冗余信息和方面词与对应情感词之间的关联性较弱等问题,提出一种融合强关联依赖和简洁语法的方面级情感分析模型(SADCS)。首先,构建情感词性(POS)列表,通过该列表加强方面词与对应情感的相关性;其次,构建融合POS和依赖关系的联合列表,通过该联合列表去除已优化的依赖树无效单词与标点符号的冗余信息;再次,将优化后的依赖树与图注意力网络(GAT)结合建模提取上下文特征;最后,与依赖关系类型的特征信息进行交互学习并融合特征,增强特征表示,最终使分类器能高效预测每个方面词的情感极性。将所提模型在4个公开数据集上进行实验分析,与DMF-GAT-BERT(Dynamic Multichannel Fusion mechanism based on the GAT and BERT(Bidirectional Encoder Representations from Transformers))模型相比,所提模型的准确率分别提高了1.48、1.81、0.09和0.44个百分点。实验结果表明,所提模型能够有效增强方面词与情感词的联系,使方面词情感极性的预测更准确。展开更多
文摘“诗歌语法”应指诗歌语言里词、短语等语言单位的结构规则。广义上其包括常规语法,也包括突破常规的创新语法。诗歌语法是在常规语法的基础之上形成,突破了原有的语法规则。诗歌语法比常规语法更能反映人类丰富的表达能力。最后,诗歌语法也会选择性地融入到常规语法。Grammaticality of poetry is the structure rule of language unit on words and phrases in poetry, which includes normal grammar as well as innovative grammar. Forming on the basis of normal grammar, grammaticality of poetry will break original grammatical rules, and show richer expression skills than normal grammar. Moreover, they easily interact with normal grammar.
文摘针对语法依赖树存在多个方面词相互干扰的依赖信息、无效单词,以及标点符号带来的冗余信息和方面词与对应情感词之间的关联性较弱等问题,提出一种融合强关联依赖和简洁语法的方面级情感分析模型(SADCS)。首先,构建情感词性(POS)列表,通过该列表加强方面词与对应情感的相关性;其次,构建融合POS和依赖关系的联合列表,通过该联合列表去除已优化的依赖树无效单词与标点符号的冗余信息;再次,将优化后的依赖树与图注意力网络(GAT)结合建模提取上下文特征;最后,与依赖关系类型的特征信息进行交互学习并融合特征,增强特征表示,最终使分类器能高效预测每个方面词的情感极性。将所提模型在4个公开数据集上进行实验分析,与DMF-GAT-BERT(Dynamic Multichannel Fusion mechanism based on the GAT and BERT(Bidirectional Encoder Representations from Transformers))模型相比,所提模型的准确率分别提高了1.48、1.81、0.09和0.44个百分点。实验结果表明,所提模型能够有效增强方面词与情感词的联系,使方面词情感极性的预测更准确。
