![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读之倾向性分析
文章平均质量分 76
gsp_2015
这个作者很懒,什么都没留下…
展开
-
基于结构分析的句子语义倾向性计算算法(IEEE2013)
SentenceSemantic Orientation Calculation Algorithm based on StructureAnalysis基于结构分析的句子语义倾向性计算算法(IEEE2013)文章中,文本主题倾向性不仅通过词倾向性,而且通过句子结构来计算,提出了情感提交算法(ES)来计算句子主题倾向性。该方法适用于商品评论。计算文本倾向性,主题描述和句子结构需要同原创 2015-08-20 17:04:17 · 1131 阅读 · 0 评论 -
学习微博情感分类的特定情感词嵌入(A14, ACL2014)*
Learning sentiment-specific word embedding for twitter sentiment classification 学习微博情感分类的特定情感词嵌入(A14, ACL2014)文章提出了一个学习微博情感分类的词嵌入方法。大多数现存算法只对词的上下文句法结构建模学习连续词表达,忽略了文本情感。原创 2015-09-23 15:41:49 · 3316 阅读 · 1 评论 -
Moodlens:一个基于表情符号的中文微博情感分析系统(A3, SIGKDD2012)
Moodlens: an emoticon-based sentiment analysis system for chinese tweets Moodlens:一个基于表情符号的中文微博情感分析系统(A3, SIGKDD2012)文章建立了一个叫Moodlens的系统,是微博上第一中文微博情感分析系统。在Moodlens中,95个表情符号对应四个情感类:生气,厌恶,喜悦和悲伤,作为微博的类标签。原创 2015-09-22 17:17:22 · 4693 阅读 · 1 评论 -
半监督情感分类的主动深度学习方法(Neurocomputing2013)
半监督情感分类的主动深度学习方法(Neurocomputing2013) Active deep learning method for semi-supervised sentiment classification文章提出主动深度网络(ADN)的半监督学习框架。ADN用基于标记评论和充足非标记评论的非监督学习的限制玻尔兹曼机(RBM)建立。随后,构建的架构通过基于监督学习指数损失函数的梯度下降微原创 2015-10-08 10:26:53 · 3663 阅读 · 0 评论 -
微博情感分析的表情符号平滑语言模型(A11, AAAI2012)
Emoticon Smoothed Language Models for Twitter Sentiment Analysis 微博情感分析的表情符号平滑语言模型(A11, AAAI2012)通常,对于完全监督模型,由于耗人力和耗时间只能得到有限的训练数据,对于带噪声标签的模型,虽然很容易获得大量训练数据,但是由于标签的噪声很难得到满意的性能。最好的策略是利用手工标记的数据和噪声数据来训练。原创 2015-09-22 16:53:17 · 2488 阅读 · 0 评论 -
评估文本评论情感分析的机器学习和非监督语义倾向性方法(IEEE2012)
Evaluating Machine Learning and Unsupervised Semantic Orientation Approaches for Sentiment Analysis of Textual Reviews 评估文本评论情感分析的机器学习和非监督语义倾向性方法(IEEE2012)文章中情感分析问题可以形式上定义为:给定一个文档集D,情感分类算法划分文档集中的每一个文档为原创 2015-09-19 11:48:10 · 3734 阅读 · 0 评论 -
半监督情感分类的模糊深度信任网络(Neurocomputing2014)*
半监督情感分类的模糊深度信任网络(Neurocomputing2014) Fuzzy deep belief networks for semi-supervised sentiment classification文章首先通过训练集上的半监督学习训练通常的深度信任网络(DBN)。然后基于学习的深度框架,为每类评论设计一个模糊成员函数。其次,基于模糊成员函数和第一步获得的DBN,建立新的FDBN框架原创 2015-10-05 16:40:58 · 2009 阅读 · 0 评论 -
学习微博中情感分类的句子表达(NLPCC2013)
学习微博中情感分类的句子表达(NLPCC2013) Learning sentence representation for emotion classification on microblogs文章采用伪标记数据,来通过深度信任网络(DBN)算法学习句子表达。数据是通过微博情感分析中弱监督学习和训练语言模型得到。在监督学习框架上的实验结果表明,使用伪标记数据,深度信任网络学到的表达比基于主成分分原创 2015-10-04 17:12:24 · 4677 阅读 · 0 评论 -
西方在线新闻的自动观点分类架构(IEEE2014)
An architecture for automatic opinion classification in Western online news 西方在线新闻的自动观点分类架构(IEEE2014)自动情感分析系统架构包含:(1)中英文等价查询表达式的识别;(2)域和语言学知识基的构建;(3)新闻事件的重获;(4)新闻文本的情感分析。工作流包含两个阶段:离线资源的构建,在线新闻文本分析。原创 2015-08-27 11:31:17 · 853 阅读 · 0 评论 -
使用非监督学习技术分析情感(IEEE2013)
Analysis of sentiments using unsupervised learning techniques 使用非监督学习技术分析情感(IEEE2013)文章提出了一个新的模型:组合情感话题模型(CST)来同时检测文本的情感和话题。这个模型基于Gibbs采样算法。当转移到其他域时,观点挖掘的监督方法经常不能产生好的性能。不同于监督方法,CST的非监督性质使它高度可移植到其他域。原创 2015-08-27 17:54:03 · 2487 阅读 · 0 评论 -
基于用户社会影响建模的情感识别系统框架(IEEE2014)
A Systematic Framework for Sentiment Identification by Modeling User Social Effects 基于用户社会影响建模的情感识别系统框架(IEEE2014)在社会平台中,用户与社会品牌交互,他们对于特定话题的观点不可避免地依赖于许多社会影响如用户话题偏好,同伴影响,用户资料信息等。文章提出一个系统框架,除了文本信息,引入用户社会影响。原创 2015-08-26 11:23:56 · 937 阅读 · 0 评论 -
中文情感倾向性分析(IEEE2010)
Chinese Sentiment Orientation Analysis中文情感倾向性分析(IEEE2010)文章提出了一个新方法分析、划分商品评论的情感倾向性为3类:中立,积极和消极。目前的方法对于中立态度的句子不能得到好的划分结果。文章首先采用分治策略划分文本为2类:中立和极性文本,然后极性文本分为积极部分和消极部分(两层分类系统)。在第一步中,使用TSVM(直推式SVM)工具实现原创 2015-08-20 11:22:35 · 3889 阅读 · 2 评论 -
基于改进依赖分析的微博情感倾向性分析
Research on micro-blog sentiment orientation analysisbased on improved dependency parsing基于改进依赖分析的微博情感倾向性分析(IEEE2013)文章基于分析微博文本的特性,提出了一个新的改进依赖分析方法分析来分析微博的情感倾向性。改进的算法包括表情符号和标点符号的情感倾向性分析,通过基于距离语法结原创 2015-08-19 21:04:30 · 1328 阅读 · 1 评论 -
利用社会关系进行微博情感分析(A10, WSDM2013)
Exploiting social relations for sentiment analysis in microblogging 利用社会关系进行微博情感分析(A10, WSDM2013)文章通过提出一个社会学方法处理情感分类的噪声短文本(SANT)研究社会关系是否可以帮助情感分析。特别地,提出一个数学优化构想,引入情感一致性和情感传播理论到监督学习过程,同时利用稀疏学习处理微博中的噪声文本。原创 2015-09-24 11:04:18 · 1789 阅读 · 0 评论