-
题名中文文本情感倾向分析研究
被引量：19
- 1
-
-
作者
马晓玲
金碧漪
范并思
-
机构
华东师范大学商学院信息学系
-
出处
《情报资料工作》
CSSCI
北大核心
2013年第1期52-56,共5页
-
基金
2010年度国家社会科学基金重点项目"我国图书馆核心价值体系构建研究"(编号:10ATQ002)
2012年度上海市哲学社会科学规划课题"电子课本生态发展的研究"(编号:2012BTQ001)的研究成果之一
-
文摘
文章首先采用文献计量的方法,统计分析了中文文本情感领域相关的研究论文并给出当前研究框架;接着分类研究了中文文本情感分析的代表性成果,按基础理论研究和应用研究两部分进行深入探讨,前者包括词语和文档情感极性判断、细粒度情感信息抽取、情感分析资源建设,后者则包括其在各领域的应用研究及相关商业系统;最后对中文文本情感倾向分析进行了展望。
-
关键词
中文文本情感分析
文献计量
情感极性判断
情感信息抽取
语料库
-
Keywords
chinese text sentiment analysis
bibliometrics
sentiment classification
sentiment extraction
corpus
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名基于Python的商品评论文本情感分析
被引量：13
- 2
-
-
作者
曾小芹
余宏
-
机构
豫章师范学院数学与计算机学院
-
出处
《电脑知识与技术》
2020年第8期181-183,共3页
-
基金
2017年度江西省教育厅科学技术研究项目青年项目:基于Python NLP库的中文文本情感识别研究(编号:GJJ171193)。
-
文摘
文本情感分析是自然语言处理的重要过程。研究首先运用Selenium爬虫抓取评论文本,通过Jieba分词工具对文本进行分词、词性标注及关键词词云的生成,再选用适用于中文文本处理的snowNLP库对评论文本进行情感计算和结果可视化,并通过准确率和召回率验证了研究结果,将对结果进行了详细分析。最后,给出了进一步研究方向。
-
关键词
中文文本情感分析
SnowNLP
PYTHON
NLP
-
Keywords
chinese text sentiment analysis
SnowNLP
Python
NLP
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于字符级联合网络特征融合的中文文本情感分析
被引量：10
- 3
-
-
作者
王丽亚
刘昌辉
蔡敦波
赵彤洲
王梦
-
机构
武汉工程大学计算机科学与工程学院
-
出处
《微电子学与计算机》
北大核心
2020年第1期80-86,共7页
-
基金
国家自然科学基金(61103136)
武汉工程大学教育创新计划资助项目(CX2018196)
-
文摘
针对传统卷积神经网络(CNN)同层神经元之间信息不能互传,无法充分利用同一层次上的特征信息,以及无法提取长距离上下文相关特征的问题.该文针对中文文本,提出字符级联合网络特征融合的模型进行情感分析,在字符级的基础上采用BiGRU和CNN-BiGRU并行的联合网络提取特征,利用CNN的强学习能力提取深层次特征,再利用双向门限循环神经网络(BiGRU)进行深度学习,加强模型对特征的学习能力.另一方面,利用BiGRU提取上下文相关的特征,丰富特征信息.最后在单方面上引入注意力机制进行特征权重分配,降低噪声干扰.在数据集上进行多组对比实验,该方法取得92.36%的F1值,结果表明本文提出的模型能有效的提高文本分类的准确率.
-
关键词
卷积神经网络
BiGRU
注意力机制
中文文本情感分析
-
Keywords
convolutional neural network
BiGRU
attention
chinese text sentiment analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于字符级双通道复合网络的中文文本情感分析
被引量：6
- 4
-
-
作者
王丽亚
刘昌辉
蔡敦波
赵彤洲
王梦
-
机构
武汉工程大学计算机科学与工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第9期2674-2678,共5页
-
基金
国家自然科学基金资助项目(61103136)
武汉工程大学教育创新计划资助项目(CX2018196)。
-
文摘
针对传统卷积神经网络(CNN)缺乏句子体系特征的表示,以及传统双向门限循环神经网络(BiGRU)缺乏提取深层次特征能力。以中文文本为研究对象,在字符级词向量的基础上提出双通道的CNN-BiGRU复合网络,同时引入注意力机制的模型进行情感分析。首先,在单通道上利用CNN提取深层次短语特征,利用BiGRU提取全局特征的能力深度学习短语体系特征,从而得到句子体系的特征表示;再通过增加注意力层进行有效特征筛选;最后,采用双通道结构的复合网络,丰富了特征信息,加强了模型的特征学习能力。在数据集上进行多组对比实验,该方法取得了92.73%的F1值结果,优于对照组,说明提出的模型能有效地提高文本分类的准确率。同时在单句测试上量化出模型优势,且实现了模型的实际应用能力。
-
关键词
卷积神经网络
双向门限循环神经网络
注意力机制
中文文本情感分析
-
Keywords
convolutional neural network(CNN)
BiGRU
attention
chinese text sentiment analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名智能时代的网络舆情分析技术应用
被引量：1
- 5
-
-
作者
周洪斌
贾苏
许礼捷
-
机构
沙洲职业工学院
-
出处
《微型电脑应用》
2023年第12期66-68,共3页
-
基金
江苏高校“青蓝工程”资助(苏教师函〔2022〕29号)
沙洲职业工学院青年教师科研基金项目(SGJJ2021B09)。
-
文摘
网络舆情具有集中式、爆发式的特点,因此对网络舆情进行s及时有效的分析是当今社会治理必须面对的问题。智能技术的发展为网络舆情数据的高效收集、分析提供了全新的方式、方法。采用网络爬虫、中文分词以及文本情感分析技术,实现新闻评论的自动化采集、可视化分析,为网络舆情分析与引导提供帮助。
-
关键词
网络舆情分析
网络爬虫
中文分词
文本情感分析
-
Keywords
network public opinion analysis
Web crawler
chinese words segmentation
text sentiment analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
