Sep, 2022

Lex2Sent: 一种基于 bagging 方法的无监督情感分析方法

PDF
TL;DR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。
unsupervised sentiment analysislex2sentdoc2vec-modelclassificationsentiment lexicon
发现论文，激发创造
  • 基于词典的无监督学习分类

    本文提出了一种基于词库的分类方法，并分析了其概率正确性和预期准确性。文章证明了通过利用两个文本库之间的共现统计信息可以学习出单词权重，从而实现轻度监督下的数据驱动分类。

    Nov, 2016

  • 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

  • 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

  • 从未标记的语料库中诱导特定领域情感词典

    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。

    Jun, 2016

  • 使用 Word2vec 进行引用文献情感分析

    本文探讨了利用 word2vec 从 ACL - 嵌入中学习词向量并利用支持向量机进行分类来进行引文情感分析的方法，并发现手工设计的特征在整体分类上表现更好。

    Apr, 2017

  • 通过情感词典方法提高越南文本的情感分析

    本文提出一种将情感词典与分类模型相结合的方法，以提高情感分析任务的准确性，并实验证明此方法能够提高分类模型的性能。

    Oct, 2022

  • 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

  • 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

  • 一种变分方法用于弱监督的文档级多方面情感分类

    本文基于依赖解析和简单的规则，提出了一种弱监督多方面情感分类方法，通过引入一个潜在变量和变分下界来实现情感极性的学习，实验表明该方法优于弱监督基线模型并与具有百个标签的监督方法具有可比性。

    Apr, 2019

  • 无需 (好的) 翻译的跨语言情感分析

    本文介绍了一种使用单线性转换来捕捉跨语言情感关系的方法，并演示了如何在非英语环境下应用跨语言情感模型，以实现对英语情感知识的有效利用，从而使得在缺少数据的情况下，以很低的成本分析和提取其他语言的特征成为可能。

    Jul, 2017