基于量化情感的网店垃圾评论检测

提出量化情感的概念(评论中的情感值),从用户评论的自然语言文本中得到用户表达的情感值。为了计算评论的量化情感,对评论中的情感词的依存关系进行了研究。给出了情感句的量化情感算法。对量化情感与垃圾评论的关系进行分析,通过直观观察,确定了一系列判别方法。最后本文以量化情感值为指标,建立时间序列对网店的评论进行分析,有效地检测了垃圾评论。实验结果证明在检测网店垃圾评论工作中,所提出的方法有良好的检测结果,优于已有的方法。

情感量化构式的语法转喻理据

"量"是人们认识世界、把握世界和表述世界的重要范畴。在人们的认知世界中,事物(包括人、动物)、事件、性状等无不包含"量"的因素。临时借用量词是名词、动词、形容词等其他词类范畴成员临时充当了量词,是词类的再范畴化,而这种再范畴化是语法转喻作用的结果。

基于网络评论情感量化的商品综合评分模型

传统网络商品评论的评分是五分制评分,存在评分与评论内容情感不一致问题,为修正五分制评分,本文基于Apriori算法和隶属度算法分别提取产品特征和特征观点词对,并构建了观点词本体库,在此基础上,分析程度副词和否定词对观点词的影响,量化评论内容情感,最后结合各影响因素构建一种基于评论情感量化的商品综合评分模型。实验结果表明,本文提出的评分模型相比原先五分制的评分更能反映评论者的情感。

基于情感量化的建筑空间设计研究

建筑设计对人情感的关注由来已久,近现代心理学、神经科学和数字技术的发展提升情感量化的可行性。论文在CNKI和Web of Science两个数据库平台进行文献检索,结合文献发表的时间顺序和相关性等因素,对69篇文献重点分析、研究,总结归纳建筑空间研究中情感量化的理论基础和技术路线,分类梳理主观测量方法在空间形式、色彩材质、物理环境、综合感知领域的应用及其适用性,在上述基础上,提出情感量化赋予建筑设计的三点启示。

基于卷积神经网络的英文篇章情感量化方法

提出利用卷积神经网络(CNN)预测英文单词情感极性,并利用英文单词情感极性设计量化篇章情感倾向的方法.首先,利用fastText技术训练词嵌入模型,将英文单词转化为定长、稠密的词向量;接着,以词向量作为输入,构造一维CNN模型,并设计出多种具有不同深度的架构;最后,利用CNN预测模型计算篇章中所含英文单词的平均情感极性作为篇章情感倾向的量化分值.实验结果表明:相比于传统的机器学习模型,提出的CNN预测模型能够提升英文单词情感预测精度,所设计的篇章情感量化方法,也与主观判决情感色彩有较好的一致性.

产品设计方案评价的情感量化流程研究

产品设计方案评价包含两个过程,即设计方案评价的情感量化和设计方案评价的数据处理。因而要制定新的数理分析方法,其方法首先应该具备对产品的情感进行量化的能力。情感量化包括情感因素的确立、情感因素的语意描述和情感评估三个要素;本文以感性工学为指导,参照已有的情感分析方法,针对目前情感量化过程存在的评价因素系统分散、情感语意描述复杂等缺点,制定了具有递阶层次关系的情感量化流程。同时根据评价指标制作了感性意象词汇库,在问卷制作的过程中整合了隶属度和VTs方法思想的优势,并运用语义差异法进行情感的描述和评估,大大降低了情感量化过程中数据收集的难度。最后将统计信息通过数学模型来定量分析。

基于集成学习的情感模糊计算分类方法

针对现有情感词典没有区分相同极性情感词的情感强度,没有考虑情感强度的模糊性,导致情感分类效果较差的问题,基于自学习的无监督情感分类方法因采用单一分类器导致在生成伪标注数据集时,会引入较多错误的问题,提出一种基于集成学习的情感模糊计算分类方法。通过基于量化情感字典的模糊计算提高情感预分类精度,通过多分类器集成减少伪标注数据的错误率。在现有公开数据集的基础上,与其它算法进行实验结果比较,表明了该方法的准确性和有效性。

基于评论情感向量化表示的双向跨域推荐

多数跨域推荐模型在利用评论文本进行跨域推荐时,没有考虑到评论文本中的情感信息。而对于考虑到评论情感信息的跨域模型多数都是进行单向跨域推荐。因此,本文提出一种基于评论情感向量化的双向跨域推荐模型。该模型对不同领域的评论文本利用bert + Transformer方法进行评论情感分类,得到隐含用户情感信息的情感向量化表示,再从中计算相对应的用户偏好向量和商品特征向量,然后根据生成的特征向量进行跨域推荐。对于跨域学习,本文在神经因子分解机(NFM)模型的基础上利用潜在正交映射函数学习两个域内的用户偏好以及跨域学习到的用户偏好,从而进行双向推荐。通过在四组数据集上进行对比实验,实验结果表明,该模型能有效缓解了数据稀疏的问题。

浅析设计评价中的情感量化方法

本文主要分析了设计评价的情感量化方法.通过对现有评价方法的分析,将评价过程归纳为两个阶段:情感量化和数据分析.主要研究借鉴其他学科的情感量化方法,有利于改善设计评价体系中对此部分的空缺.

情感量化构式识解中的语法转喻

Langacker(1993)认为量化是人类认识世界的自然路径(the natural path of human cognition),人在认知过程中无时无刻不在对客观事物进行量化,这种量化的过程不可避免地且不由自主地充斥着人们的自我意识与个人情感。单独的量词各司其职,中规中矩地扮演其计量的职责,当且仅当名词、动词等其他词类“越俎代庖”,临时扮演量词的角色并被再范畴化时,其他词类自身的情感义才能在其作为量词时被转移并得到凸显,量词由此被固化为一种量化构式,而这一过程的产生与可识解性是语法转喻的结果。

多特征综合的图像模糊情感注释方法研究

针对解决图像有效情感标注的问题,提出了一种多特征综合的图像模糊情感注释方法。该方法在讨论图像中的可视化特征(颜色、纹理和形状)与图像情感之间关系的基础上,选取和修正合适的算法提取颜色、纹理和形状特征,并将其作为模糊输入量;提出一种情感空间表示法量化情感;利用模糊集的近似推理理论完成对图像的情感注释。对100幅自然图像进行模糊情感标注,将其结果和20名自愿者对图像的情感感觉进行对比,实验结果表明,该方法能够有效地标识图像情感语义,证实了所采用的情感空间表示法具有一定的科学性,对于装璜、电子教学、图像检索和情感计算有一定的应用价值。

基于改进卷积神经网络的脑电信号焦虑情绪量化识别

精确量化检出大学生的焦虑情绪并对病理因素进行追溯分析,是临床心理治疗和心理危机干预的重要环节,而基于脑电(Electroencephalograph,EEG)信号的深度学习是当前最具发展潜力的一种诊断方法。本研究对传统卷积神经网络(Convolutional Neural Networks,CNN)进行改进,提出并构造一个基于“扩展信息输入空间”的神经网络(Neural Network Based on Extended Information Input Space,NN-EIIS)模型,取代CNN末端的分类器;并引入具有独立性的被试对象焦虑量表得分(Score of Anxiety Scale,SAS),作为焦虑情绪量化标准和训练样本集的输出。以某高校大学生为研究对象进行实验,结果表明所提出的方案不仅实现了对焦虑情感的精确量化识别,还能利用所得模型,在一定程度上对大学生焦虑障碍患者的某些重要的内在病理因素进行追溯分析。

基于PAD情感模型的可训练语音合成研究

情感语音合成是情感计算和语音信号处理研究的热点之一,进行准确的语音情感分析是合成高质量情感语音的前提.文中采用PAD情感模型作为情感分析量化模型,对情感语料库中的语音进行情感分析和聚类,获得各情感PAD参数模型.由HMM语音合成系统合成的情感语音,通过PAD模型进行参数修正,使得合成语音的情感参数更加准确,从而提高情感语音合成的质量.实验表明该方法能较好地提高合成语音的自然度和情感清晰度,在同性别不同说话人中也能达到较好的性能.

基于情感空间的用户阅读兴趣模型研究

现有多数新闻推荐方法将用户兴趣划分为感兴趣和不感兴趣,难以对用户兴趣实现更精细的描述。针对该问题,将情感空间的思想融合到推荐系统中,提出一种以情感为依据的阅读兴趣表述方法。采用广义回归神经网络对眼动追踪数据的分析,提取阅读兴趣和眼动追踪数据之间的关系,建立基于眼动数据的用户兴趣模型。实验结果表明,该模型预测准确率达到86%,比PLSR模型高7%,具有较高的实用性。

情感平衡点刍议

情感平衡点的概念是一个理论构想,它的理论基础是生物学上神经元间信号的传递介质是电平的变化,而电平的变化和电流的大小是能够测量的。情感平衡是主体情感呈平衡态的理论值,是变动不居的,这种变动性是相对的。情感平衡点为我们对情感进行量化的目标提供理论和现实的可能性。

情感关联导向的粗野主义建筑研究——以美国加州大学两个分校图书馆为例

近年来,对粗野主义建筑的重拾与再探聚焦于其情感承载力,这既回应着人本导向的建筑学研究趋势,又是信息时代"高技术"对"高情感"的必然需求。研究聚焦于粗野主义建筑的具体情感关联维度,以威廉·佩雷拉设计的美国加州大学尔湾分校朗森图书馆与圣地亚哥分校盖索图书馆为例,基于实地调研与数据收集,借助环境行为研究领域研究情感关联的理论量表与SPSS分析软件,综合量化与质化方法,通过对使用者情感体验的测度探讨建筑材料、结构、形态组织等维度的情感承载能力,以期借数字化的方法再探实体的价值。

微博情感对股票市场影响的计量分析

基于情感倾向点互信息(SO—PMI)给出一种量化微博情感的计量方法;基于EGARCH模型并以量化后的微博情感变量作为外生变量建立三个微博情感对股票市场影响的计量模型;采用所建模型,使用上证指数对数收益率数据,选择在上证市场分析方面影响力较大的5位博主的博文(共388天数据),实证研究微博情感对股票市场产生的影响,结果表明微博情感对股票市场影响显著。

基于Web评论的用户个人信息提取方法研究

企业收集和获取用户个人信息是其对用户行为进行分析以制定合理营销决策的前提。注意到当前,由于互联网的高度发展和普及,消费用户往往在Web上以评论文本的形式分享其消费习惯、消费偏好和消费体验,这些海量的评论文本中蕴含着极具价值的信息,为用户个人信息的收集提供良好的资源。针对传统企业收集用户个人信息的方法主要以人工为主导,自动化水平较低的问题,提出一种基于Web挖掘技术以网上评论文本为挖掘对象,对用户个人信息进行自动提取以自动分析用户行为的改进方法。企业可以通过此改进的用户个人信息提取方法对用户行为进行分析以自动获取消费用户对产品的反馈意见并制定有针对性的营销策略。

东道国负面舆论偏向与企业OFDI——基于东道国主流新闻媒体的情感量化分析

近年来,中国企业"走出去"频遭国际负面舆论的困扰,如何有效破解国际负面舆论的不利影响成为中国企业高质量"走出去"亟待解决的重大问题。基于网络爬虫技术,批量抓取2010—2018年中国主要投资伙伴国主流新闻媒体的50多万份涉华报道,量化和构建涉华舆论偏向指数,实证研究东道国负面舆论对中国企业OFDI的影响。研究表明:(1)东道国负面舆论偏向显著抑制了中国企业OFDI,但这种抑制作用仅在当期显著。(2)负面舆论偏向对技术密集型企业OFDI的抑制作用并不显著,但显著抑制了资源能源类、环境敏感类企业和国有企业OFDI。(3)东道国政府换届并没有加剧负面舆论偏向对企业OFDI的抑制作用,双边投资协定的签订并没有改善负面舆论偏向对企业OFDI的不利影响,而企业社会责任感提升、双边经济互补性增强以及高层互访频率增加能够有效缓解负面舆论偏向对企业OFDI的抑制作用。研究结果为企业识别、规避和减轻东道国负面舆论偏向的不利影响,推动企业高质量"走出去"提供了有益启示。

感性工学与包装信息定位研究

为了准确把握消费者的心理需要,适应市场细化与消费者多样化的需求,采用了跨领域选题,横向对比与纵向深入、理论分析与实践验证相结合的方法,从感性工学的理念入手,运用SD法对包装情感进行度量,运用阶层类别分析法对包装感性信息进行细化。实现了对包装设计中各种情感信息的定位,丰富了感性工学的理论成果。由此可知,通过感性工学,对包装中各种信息进行精确定位是有可能的,它可对包装信息传达与产品推广产生积极的作用。