Jun, 2018

隐式条件随机场的电影评论文本分类的观点动态建模

PDF
TL;DR本研究旨在利用隐含条件随机场检测影评人员的意见，此模型可在分析长篇未分段音频评论的同时，捕捉评论者意见的动态。研究中使用高级语言特征，涵盖句子级的语法特征、统计词嵌入模型和主观性词库。通过在 ICT-MMMO 语料库上进行评估，我们获得了 82% 的 F1 - 得分，并比逻辑回归和循环神经网络方法表现更好。研究还探讨了我们的系统将从通用书面文本数据中学习到的词嵌入模型适用于口语电影评论，并以此建模意见动态的能力。
hidden conditional random fieldslinguistic featuressyntactic featuressubjectivity lexiconsaudio reviews
发现论文，激发创造
  • 基于递归神经条件随机场的方面情感分析

    提出一种新的联合模型，将递归神经网络和条件随机场集成到一个统一的框架中，以明确的方式同时提取方面和观点术语，并展示其在信息提取性能上的优越性。

    Mar, 2016

  • 使用注意力 RNN 挖掘 YouTube 视频的闭幕字幕上的细粒度意见

    本文提出了一个基于 Youtube 产品评论视频的首个数据集，以及一个新的关注 RNN 模型，用于方面提取和联合方面提取和情感分类，同时，该模型在 SemEvalABSA 语料库上提供了最先进的方面提取性能。

    Aug, 2017

  • 从 Token 到 Review：一种分层多模态的情感挖掘方法

    本文提出了一种利用意见表达的不同视角，构建了一种联合细粒度和粗粒度意见模型的方法，该模型具有注意力机制的某些特性，对最近发布的多模态细粒度注释语料库提供了具有竞争力的结果。

    Aug, 2019

  • 多模态方法在视频评论的细粒度情感分析中的应用

    本研究提出了一种多模态方法，从视频评论中挖掘细粒度意见，并且无需时间注释，利用音频、视频和语言转录的特征来确定评论中讨论的物品方面以及情感倾向。我们在两个数据集中验证了该方法，并表明利用视频和音频模态能够提高性能，从而更好地理解视频评论。

    May, 2020

  • 从评论中学习分布式表示用于协同过滤

    通过引入自然语言评论作为优化产品表示的一种方式，将旁路信息融入基于协同过滤的推荐系统可以提高其性能表现；本文提出两种不同类型的评论模型，包括基于神经网络的词袋专家模型和循环神经网络模型，并证明前者的模型灵活性表现出了更高的性能表现，超越了基于 LDA 的方法。

    Jun, 2018

  • 用于细粒度情感分析的多模态电影评论语料库

    本文介绍了针对 POM 电影评论数据集的一组观点注释，包括两个粒度级别的粗略层面和细粒度层面，并提出了一些具有特定类别的注释以便于电影评论的观点注释。我们还提供了一个可以预测意见（例如极性和方面）不同组成部分的分层观点预测框架，并提供了第一组可用于细粒度多模态观点预测任务的地面事实注释。此外，我们进行了一项相关数据采集的研究，并在不同层面的粒度下报告了标注者间的一致性。最后，我们提供了一个基准系统和注释数据以供公开使用。

    Feb, 2019

  • 通过预测 N 元语法组合来学习文档嵌入，用于长篇电影评论的情感分类

    通过改进 Paragraph Vector 的架构，使其可以学习预测单词和 n-gram 特征的文档向量，捕捉了文档中的语义和单词顺序，从而在 IMDB 电影评论数据集上实现比其他模型更好的情感分类结果，同时保持了向量的表达能力。

    Dec, 2015

  • 基于层次模型的方面情感分析

    通过建模评论中的句子之间的相互依赖关系，我们提出了一种基于分层双向 LSTM 的情感分析方法，在五个多语种、多领域的数据集上取得了竞争状态下最先进结果，并优于其它两种基线模型，而且不需要使用手工特征或外部资源。

    Sep, 2016

  • 使用因果推论模型改进开放领域对话评估

    本文探索了预测针对开放领域对话的专家和用户评分的自动化方法，比较了四种不同的方法，其中提出的 counterfactual-LSTM (CF-LSTM) 模型在对话评分和分类方面的表现最好。

    Jan, 2023

  • 基于潜在特征的 FM 模型用于评分预测

    本文介绍了两种基于 Latent Dirichlet Allocation (LDA) 和 word2vec 模型的 Feature-based 模型，一个基于主题模型的 FM 模型，一个基于向量模型的 FM 模型，通过对比实验验证，向量模型的 FM 模型效果更好，因为它包含观看历史的顺序信息。

    Oct, 2014