-
题名基于引用频次和引用内容的引文评价分析
被引量：11
- 1
-
-
作者
魏杨烨
孙玉琦
汪琦凡
-
机构
华中师范大学信息管理学院
-
出处
《情报探索》
2016年第8期116-120,共5页
-
文摘
[目的/意义]旨在解决传统引文分析在进行引文评价上不能满足当前引文分析需求的问题。[方法/过程]提出基于引用频次和引用内容的引文评价方法,重点引入引用强度和引用动机分析,并以CNKI收录的30篇关联数据主题文献为样本做实验验证。[结果/结论]新方法在进行引用动机分析时将施引文献的句子结构和线索词结合起来判断引用性质,改变了单纯依靠引用频次的排序,能更好地进行引文评价。
-
关键词
引文分析
引文内容
引用频次
引用动机
语义情感
-
Keywords
citation analysis
citation content
citation frequency
citation motivation
semantic sentiment
-
分类号
G250.252
[文化科学—图书馆学]
-
-
题名中文微博观点句识别及要素抽取研究
被引量：5
- 2
-
-
作者
王冠群
田雪
黄德根
张婧
-
机构
大连理工大学计算机科学与技术学院
-
出处
《数据采集与处理》
CSCD
北大核心
2016年第1期160-167,共8页
-
基金
国家自然科学基金(61173100
61173101
61272375)资助项目
-
文摘
研究中文微博情感分析中的观点句识别及要素抽取问题。在观点句识别方面,提出了一种利用微博中的情感词和情感影响因子计算微博语义情感倾向的新算法;在观点句要素抽取方面,利用主题词分类及关联规则,辅以一系列剪枝、筛选和定界规则抽取评价对象。通过观点句识别和观点句要素抽取结果的相互过滤,进一步提高召回率。实验数据采用第六届中文倾向性分析评测所发布的数据,结果表明,本文方法在观点句识别和要素抽取方面能够取得较好的效果,观点句识别的精确率、召回率入F值分别为95.62%,54.10%及69.10%;观点句要素抽取的精确率、召回率以及F值分别为22.07%,12.66%和16.09%。
-
关键词
分类
关联规则
-
Keywords
sentiment analysis
semantic sentiment orientation
emotional impact factor
subject term classification
association rule
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于并行混合网络的短文本情感分析模型
- 3
-
-
作者
任楚岚
仇全涛
-
机构
沈阳化工大学计算机科学与技术学院
辽宁省化工过程工业智能化技术重点实验室
-
出处
《计算机仿真》
2024年第6期570-577,共8页
-
基金
辽宁省教育厅科学研究项目(LJKZ0449)。
-
文摘
针对目前在短文本语义情感分析过程中会存在的传统词嵌入对情感语义表达不充分,特征挖掘不全面,准确率较低等问题,提出一种基于多头注意力机制的MACGRU并行混合网络模型。首先,根据胶囊网络(CapsNet)与双向门限循环单元网络(BiGRU)不同的特点选择BERT词嵌入与Glove词嵌入对短文本做向量化表示,并对Glove词嵌入改进加入位置嵌入和词性嵌入,使短文本在词嵌入阶段获取更丰富的短文本信息;其次,将BERT训练的词向量和Glove训练的词向量分别输入CapsNet和BiGRU中提取短文本局部语义信息和短文本的上下文语义信息;然后,在CapsNet和BiGRU的特征输出后都加入多头注意力机制对提取到的情感特征进行加权处理;最后,将多头注意力机制加权后的局部特征和上下文语义特征进行融合并通过softmax函数进行情感分类输出。上述模型在公开数据集COVID-19上进行实验验证,其模型的准确率,精准率,召回率,F1指标都达到了95%以上,相较于其它基准模型性能更优,也充分证明了该模型的优越性。
-
关键词
语义情感分析
短文本
胶囊网络
双向门限循环单元
多头注意力机制
并行混合网络
-
Keywords
semantic sentiment analysis
Short text
Capsule network(CapsNet)
Bidirectional gated recurrent unit(BiGRU)
Multi-head attention mechanism
Parallel hybrid network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种文本倾向性分析方法及其应用
被引量：3
- 4
-
-
作者
许鑫
俞飞
张莉
-
机构
华东师范大学信息学系
南京大学计算机科学与技术系
-
出处
《现代图书情报技术》
CSSCI
北大核心
2011年第10期54-62,共9页
-
基金
上海市社会科学规划课题"政务公开信息的网络舆情反馈研究"(项目编号:2009ETQ001)
国家社会科学基金项目"基于语言特征的中文意见挖掘研究"(项目编号:11CYY031)
国家社会科学基金项目"联合虚拟参考咨询系统的知识库研究"(项目编号:11CTQ003)的研究成果之一
-
文摘
介绍常用的文本分类模型与技术,特别分析基于统计和基于语义两种文本倾向性分析的方法,尝试将两者结合起来,提出基于模式抽取和匹配基础上的文本倾向性分类算法,并进行测评,然后介绍基于网络信息文本倾向性分析的技术实现,同时结合领域应用进行简单的实证分析。
-
关键词
文本倾向性
情感分类
语义倾向
网络信息
-
Keywords
Text semantic orientation sentiment classification semantic orientation Network information
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
