利用认知特征进行情感分析
介绍了一种从阅读者的眼动模式中提取认知特征,用于增强特征向量,以提高讽刺检测的性能的新机制。使用增强的特征集进行统计分类,性能提高了 3.7%(以 F-score 为度量),超过了最佳报告系统的性能。
Jan, 2017
本研究介绍一种新的情感分析标注方法,提出一种基于自传故事纪录的情感分析的数据集,探索了使用基于规则的自动标注方法来标注情感及其语义角色,以便教练识别相关方面,并探讨了基于图结构的情感分析的未来方向。
Oct, 2022
该论文提出了一种新颖的方法来执行新闻视频的情感分析,基于从内容中提取的音频、文字和视觉线索的融合。该方法旨在为构建媒体宇宙的 ethos(身份)的 semiodiscoursive 研究做出贡献,我们计算了从面部表情中识别出的视觉强度、参与者的声音调制、文本语音和情感得分(极性)。实验结果显示,该方法在情感分类任务中达到了高达 84%的准确度,因此在新闻界中具有极高的应用潜力。
Apr, 2016
本文提出了一种新的方法,利用人类阅读者的凝视行为提取认知特征,用于自动检测同源词,并通过使用搜集到的和预测的视线行为数据,证明该方法可以帮助提高同源词检测任务的性能提高 10%,相比之前的方法预测视线行为数据的性能提高了 12%。
Dec, 2021
本文提出一种模型,使用预训练的转换器和 CNN 捕捉上下文特征,用于捕捉蕴含在讽刺中的不一致性,并在社交网络平台和在线媒体的四个数据集上优于以前的最新成果。
Nov, 2022
通过词汇特征和 TF-IDF,在 Twitter 用户中检测到具有讽刺意味的信息,并通过特征选择和模型构建达到 F1 得分 0.84 以上。
Nov, 2023
借鉴情感和交流方面的认知科学研究,提出改进语言模型用于情感分析的方法,并探讨情感理论、自然语言处理中的情感标注方法及其与心理学理论的关联,以及认知语用学中的情感交流分析方法,最后提出了改进语言模型用于情感分析的方向。
Jun, 2024
本篇论文提出利用基于 LSTM 的深度学习模型来检测文本对话中的情绪,讨论了利用语义和情感嵌入的半自动化技术来收集训练数据以及结合方案,该方法在真实场景下的表现优于传统机器学习基准线和其他现成的深度学习模型。
Jul, 2017
本文提出情感分析模型应该能预测人的其他心理状态,通过研究情感分析模型与情绪状态之间的关系并最终使用预训练模型来评估参与者的作品,得出情感分析模型能在预测分数方面表现良好,但是分数与人的自我检查情绪没有相关性。
Jun, 2018