EMNLPJun, 2016

从未标记的语料库中诱导特定领域情感词典

PDF
TL;DR通过使用领域特定的词向量和标签传播框架，结合少量种子单词，创造与手动资源相媲美的精准的领域特定情感词典，用于量化情感在时间和社区之间的差异，并在此基础上，提出了历史情感词汇表和社区特定情感词汇表。
sentiment lexiconscomputational social scienceword embeddingslabel propagation frameworkcommunity-specific lexicons
发现论文，激发创造
  • 学习领域敏感和情感感知的词嵌入

    该文介绍了一种新的方法，通过同时捕获情感语义和单词的域敏感性的信息来学习领域敏感且情感感知的词嵌入向量。实验结果表明，该模型在句子和词库级别上都提供了学习领域敏感和情感感知词嵌入向量的有效方法。

    May, 2018

  • 基于词典和机器学习的情感分析比较：是否存在离群词？

    基于词典的情感分析方法与基于机器学习的方法对比，发现词典中的词汇对于情感得分的差异具有依赖性，而没有明显的词汇能够系统性地引起情感得分的差异。

    Nov, 2023

  • 从无监督的情感分析中创建表情符号词库

    在线媒体产生了大量的非结构化数据，我们提出了一种新的方法来预测在线文本消息中表达的表情符号的情感，并构建了一个情感词典进行评估和比较。

    Apr, 2024

  • 基于领域适应的词向量在情感分类中的应用

    该论文提出了一种将通用词嵌入的广度与领域特定词嵌入的特異性相结合的方法，通过使用规范相关分析 (CCA) 或相关的非线性内核 CCA 对应的单词向量进行对齐来形成称为领域自适应 (DA) 词嵌入，其评估结果表明，在用于标准或最先进的分类算法的输入特征时，DA 嵌入在情绪分类任务中显着优于通用和 DS 嵌入。

    May, 2018

  • 评估词汇融入对于抑郁症状估计的效果

    探索将情感、情绪和领域特定的词表融入基于 Transformer 模型的抑郁症状估计中的影响。通过标记患者 - 治疗师对话的输入转录和社交媒体帖子中的单词来添加词表信息。总体结果表明，在预训练语言模型中引入外部知识可以提高预测性能，而不同的词表在目标任务上显示出不同的行为。此外，在患者 - 治疗师访谈中获得了新的抑郁水平估计的最新成果。

    Apr, 2024

  • SentiWords: 情感分析高精度高覆盖率词汇表的推导

    本论文提出了一种集成方法，将手动构建的先前极性词典与基于 SentiWordNet 的方法进行比较和融合，从而创建了一个在情感分析中表现出高精度和高覆盖率的先前极性词典 SentiWords，并在情感分析任务中证明了其优于 SentiWordNet 和手动标注情感词典的表现。

    Oct, 2015

  • Lex2Sent: 一种基于 bagging 方法的无监督情感分析方法

    本文提出了一种名为 Lex2Sent 的模型，使用 Doc2Vec 模型训练文档嵌入，并根据嵌入的距离来改进情感词典方法的情感分类任务，该模型在三个基准数据集上的表现均优于一流的词典。

    Sep, 2022

  • 基于词典整合和注意力机制的情感分析卷积神经网络模型

    本文提出一种将词嵌入、词表嵌入和注意力机制集成到卷积神经网络中进行情感分析的新方法，该方法在 SemEval'16 任务 4 数据集和 Stanford 情感树库上得到了比现有最先进系统更好的结果。

    Oct, 2016

  • 跨领域情感分析的纯对比学习

    本文探索对跨域情感分析任务采用对比学习方法，提出了一种修改后的对比目标，并在同一类的句子表示之间拉近，不同类的之间推远的方法，实验证明我们的模型在跨域和多域情感分析任务中都取得了最先进的性能，同时，可视化结果展示了知识转移的有效性，并通过对抗测试验证了模型的鲁棒性。

    Aug, 2022

  • 跨领域情感分类的自适应半监督学习

    本文提出一种面向跨域情感分类问题的方法，该方法采用半监督学习的想法，联合使用熵最小化和自举集成自我训练来整合未标记的目标数据进行分类器细化。实验结果表明，该方法可以更好地利用来自目标域的未标记数据，在各种实验设置中都取得了重大改进。

    Sep, 2018