期刊文献+
共找到490篇文章
< 1 2 25 >
每页显示 20 50 100
基于情感词汇与机器学习的方面级情感分类 预览
1
作者 张璞 李逍 刘畅 《计算机工程与设计》 北大核心 2020年第1期128-133,共6页
为综合利用基于情感词典和基于机器学习的两类情感分类方法的优点,提出一种基于情感词汇与机器学习的方面级情感分类方法。通过选取少量情感倾向与评价对象无关的情感词汇对评价搭配进行情感分类;通过构建机器学习分类器,以评价短语对... 为综合利用基于情感词典和基于机器学习的两类情感分类方法的优点,提出一种基于情感词汇与机器学习的方面级情感分类方法。通过选取少量情感倾向与评价对象无关的情感词汇对评价搭配进行情感分类;通过构建机器学习分类器,以评价短语对各类别的互信息占比作为分类器的分类概率权重,进行加权计算,选择加权后分类概率最大的类别作为评价搭配的情感倾向类别。在中文评论数据集上的实验结果表明,该方法能有效提高情感分类性能。 展开更多
关键词 评价搭配 机器学习 情感 互信息 情感分类
在线阅读 下载PDF
融合表情符号与短文本的微博多维情感分类 预览
2
作者 赵晓芳 金志刚 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2020年第5期113-120,共8页
表情符号已成为网络语言重要组成部分,是分析社交媒体情感的主要特征之一.目前分析社交媒体情感符号的方法多针对Emoji,对颜文字的情感倾向没有相应分析.为获取中文媒体的多维度情感并分析热点话题的群体情感走向,本文以微博为例提出一... 表情符号已成为网络语言重要组成部分,是分析社交媒体情感的主要特征之一.目前分析社交媒体情感符号的方法多针对Emoji,对颜文字的情感倾向没有相应分析.为获取中文媒体的多维度情感并分析热点话题的群体情感走向,本文以微博为例提出一种新的融合表情符号与短文本的多维情感分类方法.在该框架中,采用深度学习模型分析文本与Emoii组合部分、颜文字部分,分别计算两部分的7种情感强度,挖掘各部分与情感标签的深层次关联,并设计计算模型语的多维情感属性,实现对语句多维情感强度的检测.实验选择NLPCC2014数据集和爬取的带有颜文字的微博数据集进行验证,实验证明当文本与Emoji组合、颜文字占比分别为0.6和0.4时情感分类效果最好,且含颜文字的语句情感分类性能指标始颜文字的语句,这表融合表情符号和短文本的有效提情感度.该方法为群体情感提供度的分析,为中文社交媒体的情感分析提供了新思路. 展开更多
关键词 情感分类 Emoji 颜文字 深度学习
在线阅读 免费下载
Word2Vec+LSTM多类别情感分类算法优化 预览
3
作者 邬明强 邬佳明 辛伟彬 《计算机系统应用》 2020年第1期130-136,共7页
随着网民的数量不断增加,用户上网产生的数据量也在成倍增多,随处可见各种各样的评论数据,所以构建一种高效的情感分类模型就非常有必要.本文结合Word2Vec与LSTM神经网络构建了一种三分类的情感分类模型:首先用Word2Vec词向量模型训练... 随着网民的数量不断增加,用户上网产生的数据量也在成倍增多,随处可见各种各样的评论数据,所以构建一种高效的情感分类模型就非常有必要.本文结合Word2Vec与LSTM神经网络构建了一种三分类的情感分类模型:首先用Word2Vec词向量模型训练出情感词典,然后利用情感词典为当前训练集数据构建出词向量,之后用影响LSTM神经网络模型精度的主要参数来进行训练.实验发现:当数据不进行归一化,使用He初始化权重,学习率为0.001,损失函数选择均方误差,使用RMSProp优化器,同时用tanh函数作为激活函数时,测试集的总体准确率达到了92.28%.与传统的Word2Vec+SVM方法相比,准确率提高了大约10%,情感分类的效果有了明显的提升,为LSTM模型的情感分类问题提供了新的思路. 展开更多
关键词 Word2Vec LSTM 情感分类 学习率 损失函数 激活函数
在线阅读 下载PDF
大数据驱动的社交网络舆情用户情感主题分类模型构建研究——以“移民”主题为例 预览
4
作者 王晰巍 邢云菲韦雅楠王铎 《信息资源管理学报》 CSSCI 2020年第1期29-38,48,共11页
基于卷积神经网络构建大数据驱动的社交网络舆情用户情感主题分类模型,通过爬虫分别获取微博和Twitter用户针对热点主题“移民”的情感文本内容,利用Word2Vector训练中文词向量,GloVe训练英文词向量,使用NLPIR和BosonNLP工具进行分词,... 基于卷积神经网络构建大数据驱动的社交网络舆情用户情感主题分类模型,通过爬虫分别获取微博和Twitter用户针对热点主题“移民”的情感文本内容,利用Word2Vector训练中文词向量,GloVe训练英文词向量,使用NLPIR和BosonNLP工具进行分词,构建基于“移民”主题的用户情感语料库,通过CNN卷积神经网络对情感分类进行训练和测试,并将分类结果与Time-LSTM和SVM的分类结果进行对比以验证CNN分类的优越性。数据结果表明,所构建的模型能够实现有效的多语言环境下中英文文本分类,通过合理设置激活函数和相关参数能够优化提高模型分类准确度,相较传统机器学习具有一定的优越性。在处理“移民”话题的文本分类上,CNN分类效果优于Time-LSTM模型。研究为跨语言的社交网络舆情用户情感主题图谱的可视化分析提供了前期的研究框架。 展开更多
关键词 卷积神经网络 社交网络 情感分类 主题模型 舆情监测 用户研究
在线阅读 免费下载
基于CNN-BIGRU的中文文本情感分类模型 预览
5
作者 宋祖康 阎瑞霞 《计算机技术与发展》 2020年第2期166-170,共5页
在当今商业领域,对网络评论的情感分类一直是一个比较热门的研究方向,而为了克服传统机器学习方法所构建分类器会产生较大计算开销,精度表现较差的缺点,提出一种基于深度学习模型中卷积神经网络(CNN)与循环神经网络(RNN)模型的情感分类... 在当今商业领域,对网络评论的情感分类一直是一个比较热门的研究方向,而为了克服传统机器学习方法所构建分类器会产生较大计算开销,精度表现较差的缺点,提出一种基于深度学习模型中卷积神经网络(CNN)与循环神经网络(RNN)模型的情感分类方法。在以往的研究中,卷积神经网络往往被用来提取文本的局部特征信息,但却容易忽视文本的长距离特征,而RNN则往往被用来提取句子的长距离依赖信息,但容易陷入梯度爆炸问题。因此,结合卷积神经网络对于局部特征信息的良好提取能力与循环神经网络对于长距离依赖信息的记忆能力,构建了一个CNN-BIGRU混合模型,用以提取文本的局部特征以及文本的长距离特征。其中循环神经网络模型使用了双向GRU模型,以避免RNN模型的梯度爆炸与梯度消失问题。在谭松波的酒店评论数据集上的实验结果表明,利用该模型,实验分类的准确率比单独使用卷积神经网络模型最高提升了26.3%,比单独使用循环神经网络模型最高提升了7.9%,从而提高了对中文文本情感分类的精度,并减少了计算开销。 展开更多
关键词 卷积神经网络 循环神经网络 文本分析 情感分类
在线阅读 下载PDF
基于OCC模型和LSTM模型的财经微博文本情感分类研究 预览
6
作者 吴鹏 李婷 +1 位作者 仝冲 沈思 《情报学报》 CSSCI CSCD 北大核心 2020年第1期81-89,共9页
为了解决财经微博文本中网民情感状态转移的时序数据分析问题,本文提出一个基于认知情感评价模型(Ortony,Clore&Collins,OCC)和长短期记忆模型(long short term memory,LSTM)的财经微博文本情感分类模型(OCC-LSTM)。基于OCC模型从... 为了解决财经微博文本中网民情感状态转移的时序数据分析问题,本文提出一个基于认知情感评价模型(Ortony,Clore&Collins,OCC)和长短期记忆模型(long short term memory,LSTM)的财经微博文本情感分类模型(OCC-LSTM)。基于OCC模型从网民认知角度建立情感规则,对财经微博文本进行情感标注,并作为LSTM模型进行深度学习的训练集;基于LSTM模型,使用深度学习中的TensorFlow框架和Keras模块建立相应的实验模型,进行海量微博数据情感分类,并结合13家上市公司3年的微博文本数据进行实证研究和模型验证对比。实证研究结果发现本文提出的模型取得了89.45%的准确率,高于采用传统的机器学习方式的支持向量机方法 (support vector machine,SVM)和基于深度学习的半监督RAE方法 (semi-supervised recursive auto encoder)。 展开更多
关键词 长短期记忆模型 OCC模型 财经微博 情感分类
在线阅读 下载PDF
Word2vec-CNN-Bilstm短文本情感分类 预览
7
作者 王立荣 《福建电脑》 2020年第1期11-16,共6页
使用传统的神经网络的短文本分类算法对其进行情感分类易出现定位误差等问题。为了解决对短文本情感分类时存在的定位误差,本文通过将词向量模型(Word2vec)、双向长短时记忆网络模型(BiLSTM)以及卷积神经网络(CNN)按照一定的框架进行组... 使用传统的神经网络的短文本分类算法对其进行情感分类易出现定位误差等问题。为了解决对短文本情感分类时存在的定位误差,本文通过将词向量模型(Word2vec)、双向长短时记忆网络模型(BiLSTM)以及卷积神经网络(CNN)按照一定的框架进行组合,提出了Word2vec-CNN-BiLSTM的短文本情感分类模型。Word2vec-CNN-BiLSTM模型采用对预处理后的文本进行向量化表示来提取文章特征向量,并在神经网络层进行双向语义捕捉实现文本的情感分类。实验结果显示Word2vec-CNN-BiLSTM的短文本情感分类模型有效解决了对短文本分类出现的情感分类定位误差问题。 展开更多
关键词 神经网络 情感分类 词向量 短文本
在线阅读 下载PDF
基于在线评论的网络视频情感分类平台设计与实现 预览
8
作者 任帅 陆光 《现代电子技术》 北大核心 2019年第6期170-174,共5页
基于读者情感分析模型对网络视频情感分类时,未能计算在线评论的情感相似性,仅能分类新闻书评类的网络视频情感,存在一定局限性。设计基于在线评论的网络视频情感分类平台,根据HowNet的语义共同点获取观点词同褒义词和贬义词的语义共同... 基于读者情感分析模型对网络视频情感分类时,未能计算在线评论的情感相似性,仅能分类新闻书评类的网络视频情感,存在一定局限性。设计基于在线评论的网络视频情感分类平台,根据HowNet的语义共同点获取观点词同褒义词和贬义词的语义共同点,确定观点词的情感极性,通过基于在线评论的网络视频的情感程度与否定副词判断情感强度,采用在线评论情感相似性计算方法计算情感极性和情感强度得出最终情感得分,通过情感得分分类网络视频情感。实验结果表明,当在线评论中基准词的取值为10对时,所设计平台可实现最佳情感极性的判断结果,该平台对于积极情感和消极情感平均分类正确率都达到98%、平均分类召回率都低于10%。 展开更多
关键词 在线评论 网络视频 情感分类 平台设计 情感极性 情感相似性
在线阅读 下载PDF
基于Staay多情感等级的汽车消费者行为偏好研究
9
作者 周福礼 侯建 +1 位作者 布朝辉 杜建辉 《工业工程与管理》 CSSCI 北大核心 2019年第1期103-110,共8页
电子商务的蓬勃发展促使汽车消费者线上表达产品使用经验及购买意愿,为挖掘汽车消费者行为偏好,指导主机厂和汽车销售商产品改进和推广,利用汽车消费生态的线上文本评论信息,通过Staay多情感等级模型,研究影响汽车消费者购买行为的主要... 电子商务的蓬勃发展促使汽车消费者线上表达产品使用经验及购买意愿,为挖掘汽车消费者行为偏好,指导主机厂和汽车销售商产品改进和推广,利用汽车消费生态的线上文本评论信息,通过Staay多情感等级模型,研究影响汽车消费者购买行为的主要影响因素。首先,构建分析文本评论的多层级属性特征集,利用TF-IDF算法和情感词典构建实现属性特征提取;其次,为提升分类效率,设计并行朴素贝叶斯算法对评论信息进行情感分类。引入Staay多情感等级量化消费者评价情感,结合情感程度副词,计算属性特征情感值。最后,利用逆向情感法构建判断矩阵,提出Staay-AHP方法计算汽车消费偏好因素重要度。通过分析'汽车之家'的文本评论,结果显示'性价比'为消费者首要关注属性特征。 展开更多
关键词 情感Staay等级 文本特征 朴素贝叶斯 情感分类 改进AHP
基于主题—情感挖掘模型的微博评论情感分类研究 被引量:2
10
作者 朱晓霞 宋嘉欣 孟建芳 《情报理论与实践》 CSSCI 北大核心 2019年第5期159-164,共6页
[目的/意义]近些年来,随着互联网的快速发展,微博逐渐成为人们发表言论的一个社交网络平台。通过对大量评论信息进行情感分析,对政府进行舆情治理、企业市场决策和消费行为分析具有十分重要的意义。[方法/过程]文章针对微博评论表达的特... [目的/意义]近些年来,随着互联网的快速发展,微博逐渐成为人们发表言论的一个社交网络平台。通过对大量评论信息进行情感分析,对政府进行舆情治理、企业市场决策和消费行为分析具有十分重要的意义。[方法/过程]文章针对微博评论表达的特点,提出一种基于主题—情感挖掘模型的无监督情感分类方法,通过将语义角色标注、TF-IDF和K-means聚类方法相结合,构建情感单元词表和主题—情感匹配词表,同时挖掘出评论中主题和情感的分布与联系,并利用点互信息(Pointwise Mutual Information,PMI)和情感词典的方法计算主题词的情感极性值,基于此进行情感分类。[结果/结论]经实验证明,该方法同时考虑了评论中的主题分布与情感极性信息,解决了主题模型中常见的数据稀疏问题,提高了情感分类的效率和准确性,在F值上比S-LDA模型提高了14.24%。 展开更多
关键词 微博 主题—情感挖掘模型 语义角色标注 TF-IDF K-MEANS算法 情感分类
基于大规模弹幕数据监听和情感分类的舆情分析模型 预览
11
作者 叶健 赵慧 《华东师范大学学报:自然科学版》 CAS CSCD 北大核心 2019年第3期86-100,共15页
随着在线视频平台的快速发展,弹幕逐渐成为人们表达观点的一个重要途径,尤其受到年轻人的欢迎.与常规的文本不同,弹幕文本普遍较短,表达随意,网络词汇较多,一些常规的停用词被用于表达情感.提出了一种基于弹幕数据的舆情分析模型,针对... 随着在线视频平台的快速发展,弹幕逐渐成为人们表达观点的一个重要途径,尤其受到年轻人的欢迎.与常规的文本不同,弹幕文本普遍较短,表达随意,网络词汇较多,一些常规的停用词被用于表达情感.提出了一种基于弹幕数据的舆情分析模型,针对弹幕数据生成和存储特点,提出了热点检测循环自适应弹幕数据获取算法;扩充了情感词典来区分弹幕中情感倾向数据和中性数据,以解决弹幕中出现的网络词汇较多的问题;基于卷积神经网络(Convolutional Neural Network,CNN)建立了情感褒贬分类模型,用来区分情感倾向弹幕的正负情感倾向,在此基础上得到了舆情分析的结果.实验表明,本文的舆情分析模型能有效地表达新闻类弹幕数据的舆情分析结果. 展开更多
关键词 弹幕情感 网络舆情 情感分类 深度学习 网络爬虫
在线阅读 免费下载
基于样本过滤和迁移学习的多领域情感分类模型 预览
12
作者 曲昭伟 赵燕娇 王晓茹 《中国科学技术大学学报》 CAS CSCD 北大核心 2019年第1期8-14,共7页
目前,大部分进行情感分类的模型以单个数据集进行训练并测试,然而对一个数据集训练得到的模型参数不适用于另一个数据集,模型不具备通用性.为此提出一种适用于多个领域的情感分类模型(MDSC),借助样本过滤和迁移学习,使训练得到的模型参... 目前,大部分进行情感分类的模型以单个数据集进行训练并测试,然而对一个数据集训练得到的模型参数不适用于另一个数据集,模型不具备通用性.为此提出一种适用于多个领域的情感分类模型(MDSC),借助样本过滤和迁移学习,使训练得到的模型参数适用于多个领域下的不同数据集,使模型更具适用性和拓展性,即先将文档映射到领域的分布式表示,并以此作为领域分类和情感分类的桥梁,最后进行情感分类.为了使模型更具通用性,需要选择代表性强的数据样本,于是通过构建具有领域独立性的情感字典对属于同一文档的句子进行过滤,获取高质量的训练集.同时为了提高分类准确率并减少训练时间,使用基于参数的迁移学习方法,利用神经网络获得文档向量再进行分类.在包含15个不同领域的数据集上进行实验,与其他情感分类模型相比得到了较好的实验效果. 展开更多
关键词 情感分类 样本过滤 迁移学习 情感字典 神经网络
在线阅读 免费下载
面向视觉感知的图像情感识别及其在推荐系统中的应用 预览
13
作者 陈芬 何源 汤丽萍 《情报学报》 CSSCI CSCD 北大核心 2019年第4期420-431,共12页
视觉信息是人们获取外界信息的重要来源。作为视觉信息的主要表现形式之一,图像受到了广泛关注。本文首先针对颜色直方图忽略空间信息的问题,基于图像分块思想,利用图像区域不同、引起的关注程度不同的原理,引入Itti视觉注意模型,进行... 视觉信息是人们获取外界信息的重要来源。作为视觉信息的主要表现形式之一,图像受到了广泛关注。本文首先针对颜色直方图忽略空间信息的问题,基于图像分块思想,利用图像区域不同、引起的关注程度不同的原理,引入Itti视觉注意模型,进行图像显著图的提取,基于显著图计算各分块的加权直方图。其次,根据视觉感知理论,提取多种图像情感信息特征,结合低层的颜色、纹理和形状特征以及高层的面部表情特征,生成复合的图像情感特征描述向量。最后,将本文提出的情感识别模型用于基于情感的电影推荐,结合电影海报及剧情简介文本,进行基于图文结合的电影情感识别,为用户推荐符合其情感需求的电影。本文通过融合基于心理认知的特征及面部表情等诸多特征,实现了更加完善的视觉情感描述,在一定程度上缩小了“语义鸿沟”。 展开更多
关键词 情感分类 特征提取 视觉感知 情感语义 SVM算法
在线阅读 下载PDF
基于多通道LSTM-CNN模型的Twitter情感分析 预览
14
作者 吉祥飞 李明东 +1 位作者 陶卫国 陈丽 《廊坊师范学院学报:自然科学版》 2019年第2期21-24,37共5页
Twitter作为人们表达观点的重要平台,已经成为文本情感分析的一个研究热点。文章提出一个基于多通道的LSTM-CNN模型,以twitter的tweets为研究对象,分析网络用户对该tweet的情感趋向,以验证该模型的有效性。引入深度学习理论,使用基于多... Twitter作为人们表达观点的重要平台,已经成为文本情感分析的一个研究热点。文章提出一个基于多通道的LSTM-CNN模型,以twitter的tweets为研究对象,分析网络用户对该tweet的情感趋向,以验证该模型的有效性。引入深度学习理论,使用基于多通道的LSTM-CNN模型进行情感分析,以便更好地把握文本中的情感信息,提升情感分类的准确率。基于多通道的LSTM-CNN模型融合了CNN和LSTM的优点,在分析过长文本的情感特征时更加准确,适合twitter这种成段落的文本分析。实验结果表明,该模型在数据集上的准确率均优于SVM、LSTM和CNN。 展开更多
关键词 情感分类 深度学习 TWITTER 多通道LSTM-CNN 情感特征
在线阅读 下载PDF
基于语义规则与RNN模型的在线评论情感分类研究 预览
15
作者 邵良杉 周玉 《中文信息学报》 CSCD 北大核心 2019年第6期124-131,共8页
为提高互联网中在线评论文本的情感倾向分类准确率,方便消费者和商家准确高效地获取信息,该文提出一种将语义规则方法与深度学习方法相结合的在线评论文本情感分类模型,对基于情感词典的语义规则信息进行扩展,嵌入到常用特征模板中组合... 为提高互联网中在线评论文本的情感倾向分类准确率,方便消费者和商家准确高效地获取信息,该文提出一种将语义规则方法与深度学习方法相结合的在线评论文本情感分类模型,对基于情感词典的语义规则信息进行扩展,嵌入到常用特征模板中组合成更有效的混合特征模板;采用Fisher判别准则方法对混合特征模板进行降维以消除特征间的信息冗余;深度学习模型采用基于LSTM改进的RNN模型,将网络爬取的数据输入到模型进行训练和测试。结果表明,语义规则抽取出的特征包含更多、更准确的情感信息,使得混合特征模板可以更加全面地考虑文本的情感特征粒度;Fisher准则可有效识别出高判别性的低维文本特征,进一步提高改进RNN模型对评论文本的分类性能。 展开更多
关键词 在线评论 情感分类 递归神经网络 情感语义规则
在线阅读 下载PDF
面向互联网在线视频评论的情感分类技术 预览
16
作者 李辉 倪时策 +1 位作者 肖佳 赵天忠 《信息网络安全》 CSCD 北大核心 2019年第5期61-68,共8页
随着在线视频的大量增长,越来越多的人开始在视频网站上发表对视频的评论。这些评论通常会带有用户的个人情感色彩和视频中的一些关键信息,从而对网络用户的视频观看决策有重要影响。如何自动地对在线视频评论进行情感分类和关键词提取... 随着在线视频的大量增长,越来越多的人开始在视频网站上发表对视频的评论。这些评论通常会带有用户的个人情感色彩和视频中的一些关键信息,从而对网络用户的视频观看决策有重要影响。如何自动地对在线视频评论进行情感分类和关键词提取,已成为目前亟待解决的问题。文章重点研究在线视频评论的情感分类技术,分析了不同特征提取和特征选择方法以及不同分类算法对在线视频评论情感分类精度的影响。仿真实验表明,文章提出的在线视频评论情感分类模型具有较高的准确性。 展开更多
关键词 情感分类 分类算法 特征提取 特征选择
在线阅读 下载PDF
基于带权词格的循环神经网络句子语义表示建模 预览
17
作者 张祥文 陆紫耀 +4 位作者 杨静 林倩 卢宇 王鸿吉 苏劲松 《计算机研究与发展》 EI CSCD 北大核心 2019年第4期854-865,共12页
目前,循环神经网络(recurrent neural network,RNN)已经被广泛应用于自然语言处理的文本序列语义表示建模.对于没有词语分隔符的语言,例如中文,该网络以经过分词预处理的词序列作为标准输入.然而,非最优的分词粒度和分词错误会对句子语... 目前,循环神经网络(recurrent neural network,RNN)已经被广泛应用于自然语言处理的文本序列语义表示建模.对于没有词语分隔符的语言,例如中文,该网络以经过分词预处理的词序列作为标准输入.然而,非最优的分词粒度和分词错误会对句子语义表示建模产生负面作用,影响后续自然语言处理任务的进行.针对这些问题,提出基于带权词格的循环神经网络模型.该模型以带权词格作为输入,在每个时刻融合多个输入向量和对应的隐状态,融合生成新的隐状态.带权词格是一种包含指数级别分词结果的压缩数据结构,词格中的边权重在一定程度上体现了不同分词结果的一致性.特别地,利用词格权重作为融合函数中权重建模的监督信息,进一步提升了模型句子语义表示的学习效果.相比于传统循环神经网络,该模型不仅能够缓解分词错误对句子语义建模产生的负面影响,同时使得语义建模具有更强的灵活性.在情感分类和问句分类2个任务上的实验结果证明了该模型的有效性. 展开更多
关键词 带权词格 循环神经网络 句子语义建模 情感分类 问句分类
在线阅读 下载PDF
基于强化表征学习深度森林的文本情感分类 预览
18
作者 韩慧 王黎明 +1 位作者 柴玉梅 刘箴 《计算机科学》 CSCD 北大核心 2019年第7期172-179,共8页
为了有效实现评论文本的情感倾向性预测,在深度森林模型的基础上提出一种基于强化表征学习的深度森林算法BFDF(Boosting Feature of Deep Forest)来对文本进行情感分类。首先,提取二元特征与情感语义概率特征;其次,对二元特征中的评价... 为了有效实现评论文本的情感倾向性预测,在深度森林模型的基础上提出一种基于强化表征学习的深度森林算法BFDF(Boosting Feature of Deep Forest)来对文本进行情感分类。首先,提取二元特征与情感语义概率特征;其次,对二元特征中的评价对象做聚类处理以及特征融合;然后,改进深度森林级联层的表征学习能力,避免特征信息逐渐削减;最后,将AdaBoost方法融入到深度森林,使深度森林注意到不同特征的重要性,进而得到改进的模型BFDF。在酒店评论语料集上进行了实验验证,实验结果证明了该方法的有效性。 展开更多
关键词 情感分类 特征提取 深度森林 ADABOOST
在线阅读 免费下载
共空间模式结合小波包分解的脑电情感分类 预览
19
作者 陈景霞 郑茹 +1 位作者 贾小云 张鹏伟 《计算机工程与应用》 CSCD 北大核心 2019年第1期149-153,共5页
为了有效缓解不同受试者跨天试验间脑电信号差异对分类性能的影响,结合共空间模式和小波包分解算法,对12个受试者连续5天的脑电波数据进行空间滤波处理和时频域上小波包能量特征提取。采用Baggingtree、SVM、LDA和BLDA模型进行情感分类... 为了有效缓解不同受试者跨天试验间脑电信号差异对分类性能的影响,结合共空间模式和小波包分解算法,对12个受试者连续5天的脑电波数据进行空间滤波处理和时频域上小波包能量特征提取。采用Baggingtree、SVM、LDA和BLDA模型进行情感分类实验。实验结果表明,使用SVM和BLDA分类器对该算法提取的脑电特征进行两类情感分类的精度比目前最优的结果分别提高了4.4%和3.5%,有效地提高了跨天脑电情感分类的准确率和稳定性,对于开发鲁棒的情感脑-机接口应用具有一定价值。 展开更多
关键词 脑电波 共空间模式 小波包分解 情感分类
在线阅读 下载PDF
基于深度学习的情感分类研究 预览
20
作者 胡博文 《科学技术创新》 2019年第32期71-72,共2页
互联网上的信息蕴含着海量带有情感的数据,充分地对其进行分类可以更好的了解网民的观点和社会舆情。情感分类是自然语言处理(NLP)的重要问题之一,旨在解决情感极性的自动识别与分类问题。近年来随着深度学习的迅速发展,深度学习在海量... 互联网上的信息蕴含着海量带有情感的数据,充分地对其进行分类可以更好的了解网民的观点和社会舆情。情感分类是自然语言处理(NLP)的重要问题之一,旨在解决情感极性的自动识别与分类问题。近年来随着深度学习的迅速发展,深度学习在海量文本数据的智能理解上表现出独特的优势,得到了越来越多研究者的青睐。本文首先讨论几类有代表性的深度学习模型,利用几类典型的深度学习模型引出多种基于深度学习的情感分类方案。 展开更多
关键词 深度学习 情感分类 神经网络
在线阅读 下载PDF
上一页 1 2 25 下一页 到第
使用帮助 返回顶部 意见反馈