Jan, 2014

情感分类的统计分析框架

PDF
TL;DR本文提出了一个基于统计语法分析的句子级情感分类框架，在此我们发展了一个统计分析器来直接分析句子的情感结构，并在上下文自由语法的基础上形成情感规则。我们训练情感分析器 s.parser，从用户评级的大量评论句子中直接获得情感极性标签，利用情感树得到情感强度和情感极性的极性模型和最佳情感树的排名模型，结果表明该方法显著优于基准情感分类方法。
sentiment analysisstatistical parsingpolarity modelranking modelcontext-free grammars
发现论文，激发创造
  • 情感图的直接解析

    本文研究如何应用基于图的语义解析器直接从文本预测情感图来完成结构化情感分析的任务，取得了在 5 个标准基准测试集中 4 个的最先进结果，并公开了源代码、模型和预测结果。

    Mar, 2022

  • 基于观点树解析的方面情感分析

    本文提出了一种基于意见树解析的模型，通过使用新的无上下文意见语法规范化意见树结构并采用神经图表意见树解析器，可以更全面更完整地显式地呈现方面级情感结构并发现情感元素之间的相关性，比现有模型更快且更优秀。

    Jun, 2023

  • 基于依存关系图解析的结构化情感分析

    本文提出了一种新的统一框架，将结构化情感分析问题作为依存关系图解析，其中节点是情感持有者、目标和表达式，弧是它们之间的关系。在四种语言的五个数据集上进行实验，结果显示这种方法比现有技术有更好的表现，并通过依存语法信息改进情感图产生了更好的结果。

    May, 2021

  • 改进的维特比算法用于情感分析的语法检测

    本文介绍语法检测，标记每个句子的单词的词类（如名词，动词，形容词，副词等），并使用 Viterbi 算法、隐马尔可夫模型和基于约束的 Viterbi 算法进行情感分析来确定句子的字符，以帮助我们了解特定主题的公众情绪。

    May, 2022

  • 潜在变量情感语法

    本文研究了使用神经模型对组分树进行情感分类。在研究中探索了两种深度情感表达的形式，分别是通过潜变量和高斯混合向量来捕捉情感子类型表达的形式。实验表明，使用我们的方法，结合 ELMo 嵌入，可以在 Stanford 情感树库 (SST) 上取得最佳结果。

    Jun, 2019

  • 语言规范化 LSTMs 用于情感分类

    本研究提出了使用句子级别注释训练的简单模型，同时采用正则化方法，以模拟情感词汇、否定词和强度词汇的语言学角色，从而生成语言学相关的表示形式，并且能够捕捉情感、否定和强度词汇的情感转移效应，同时在不损失模型简洁性的前提下获得竞争性的结果。

    Nov, 2016

  • 基于注入语法的更快速和更准确的情感分析方法

    这篇论文研究了在情感分析过程中使用序列标注句法解析器注入句法信息以提高速度和准确性的方法，通过对三元极性分类任务进行训练和评估，展示了该方法相较于传统的句法解析器和基于浅层句法规则的启发式方法在极性预测任务中更快且更准确的表现，特别适用于在研究和工业领域中进行情感分析的实践者。此外，还比较了在极性预测任务中使用几种情感词典在序列标注句法解析器上的表现，结果显示对于捕捉极性判断变化的词典比忽略极性判断变化的词典效果更好，而且与基于 Transformer 模型的五类别分类任务相比，序列标注句法解析器在极性预测任务中表现更快。

    Jun, 2024

  • Twitter 上跨语言情感分类的简单方法

    本文提出了一种简单易用的多语言情感分析框架，旨在作为情感分析测试基线和构建新情感分析系统的起点。该框架经过在 8 种不同语言的比较中，在其中三种语言的国际竞赛中名列前茅，在其他语言中也超越了报告的结果。

    Dec, 2016

  • 借鉴结构范围：用混合图卷积网络提高方面级情感分析

    提出了 Scope 的概念，用于描述与特定目标相关的结构文本区域。结合组成树和依赖树的信息，提出了一个杂交图卷积网络（HGCN）来共同学习结构 Scope 并预测情感极性，证明该模型优于当前最先进的基线模型。

    Apr, 2022

  • 美国：通用情感分析模型与日语情感文本分类及词性数据集的构建

    利用互动增强效应以提高普通情感分析模型性能

    Sep, 2023