期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
结合自注意力机制和Tree-LSTM的情感分析模型 被引量：22
1
作者 石磊 张鑫倩 +1 位作者 陶永才 卫琳 《小型微型计算机系统》 CSCD 北大核心 2019年第7期1486-1490,共5页
情感分析随着人工智能的发展而逐渐受到重视,微博情感分析旨在研究用户对于社会热点事件的情感倾向,研究表明深度学习在情感分析上具有可行性.针对传统循环神经网络模型存在信息记忆丢失、忽略上下文非连续词之间的相关性和梯度弥散的问... 情感分析随着人工智能的发展而逐渐受到重视,微博情感分析旨在研究用户对于社会热点事件的情感倾向,研究表明深度学习在情感分析上具有可行性.针对传统循环神经网络模型存在信息记忆丢失、忽略上下文非连续词之间的相关性和梯度弥散的问题,为此本文结合自注意机制和Tree-LSTM模型,并且在Tree-LSTM模型的输出端引入了Maxout神经元,基于以上两种改进基础上构建了SAtt-TLSTM-M模型.实验使用COAE2014评测数据集进行情感分析,实验结果表明:本文提出的模型相比于传统的SVM、MNB和LSTM模型准确率分别提高了16.18%、15.34和12.05%,其中引入了Maxout神经元的RMNN模型相对于LSTM模型准确率提高了4.10%,引入自注意力机制之后的Self-Attention+Tree-LSTM模型相比于Tree-LSTM模型准确率提高了1.85%,并在召回率和F值两项指标上均优于其他对比模型.由此证明,本文提出的SAtt-TLSTM-M模型可用于提高情感分析的准确率,具有一定的研究价值. 展开更多
关键词 微博情感分析 自注意力机制 Tree-LSTM模型 maxout神经元
在线阅读 下载PDF
基于深度学习的学生学习情感模型建立与分析
2
作者 周江 李锋 蔡臻 《信息与电脑》 2023年第2期104-107,共4页
传统的情感模型仅仅关注学生学习表情与对应的学习情感之间的关系,而忽略了不同学习情感之间的关系,因而导致学生学习表情识别准确率相对较低。基于此,建立学生学习表情三维状态空间情感模型,并在其中引入Maxout神经元,从而构建优化的... 传统的情感模型仅仅关注学生学习表情与对应的学习情感之间的关系,而忽略了不同学习情感之间的关系,因而导致学生学习表情识别准确率相对较低。基于此,建立学生学习表情三维状态空间情感模型,并在其中引入Maxout神经元,从而构建优化的三维状态空间情感模型,进一步解决三维梯度弥散问题,更好地优化系统的训练过程,在本模型中还引入了情感分类器的概念,实现对学生学习表情情感状态的有效分类,从而进一步增强模型的泛化能力。另外,建立了愉悦、困惑、惊讶、中性和疲倦5种情感状态的模型,并依据所提出的模型进行了实际验证实验,实验结果表明所提出的优化后的三维状态空间情感模型相比于传统模型识别准确率提升了12.5个百分点。 展开更多
关键词 学生学习情感模型 三维状态空间情感模型 maxout神经元 情感分类器 学生学习表情识别
在线阅读 下载PDF
一种结合深度学习和集成学习的情感分析模型 被引量：11
3
作者 金志刚 韩玥 朱琦 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2018年第11期32-39,共8页
随着社交媒体的不断发展,用户评价已成为网络决策的关键因素.为了准确分析社交媒体用户评价的情感倾向性,更好地推进舆情分析、推荐算法等工作,本文通过对Bi-LSTM模型和Bagging算法的改进,提出了一种新的情感分析模型—Bi-LSTMM-B模型.... 随着社交媒体的不断发展,用户评价已成为网络决策的关键因素.为了准确分析社交媒体用户评价的情感倾向性,更好地推进舆情分析、推荐算法等工作,本文通过对Bi-LSTM模型和Bagging算法的改进,提出了一种新的情感分析模型—Bi-LSTMM-B模型.该模型的特点在于将深度学习模型可提取抽象特征的优势和集成学习多分类器共同决策的思想相结合.一方面在Bi-LSTM模型的基础上引入Maxout神经元,构建Bi-LSTMM模型,解决随机梯度下降算法中存在的梯度弥散问题,更好地优化训练过程.另一方面,模型基于Bagging算法训练多个情感分类器,根据分类器性能优劣利用袋外数据为每个分类器分配指定类别的权重,并提出相应的改进投票策略,增强了模型的泛化能力.实验结果表明:本文提出的Bi-LSTMM-B模型相比于传统的LSTM模型准确率提高12.08%,其中Maxout神经元的引入对情感分析准确率有8.28%的相对改善效果,改进后的投票策略对准确率有4.06%的相对改善效果,并在召回率和F值两项指标上均优于其他对比模型.由此证明,深度学习模型和集成学习思想相结合可提高情感分析的准确率,并具有一定的研究价值. 展开更多
关键词 情感倾向性分析 深度学习 集成学习 Bi-LSTM模型 maxout神经元 BAGGING算法
在线阅读 下载PDF
基于词典与异构融合网络的MOOC评论情感分析 被引量：1
4
作者 王奴建 艾孜尔古丽·玉素甫 陈德刚 《现代电子技术》 2022年第17期79-84,共6页
自MOOC兴起以来,其不仅满足了互联网各行各业对学习的要求,而且也产生了大量学习者参与讨论以及对课程评论的数据,为此,文中提出一种面向MOOC领域的用户评论情感分类模型。针对用户评论,通过对评论文本进行分词,利用词向量和约束集构建... 自MOOC兴起以来,其不仅满足了互联网各行各业对学习的要求,而且也产生了大量学习者参与讨论以及对课程评论的数据,为此,文中提出一种面向MOOC领域的用户评论情感分类模型。针对用户评论,通过对评论文本进行分词,利用词向量和约束集构建了一部领域情感词典,用于提取评论的情感特征等信息;所提模型利用异构网络分层融合特征,首先通过对评论文本特征和情感特征的融合,经过双向GRU网络和注意力机制实现对融合特征的学习,得到第一次的情感特征;其次通过CNN和注意力机制实现对课程相关信息的特征学习,并与第一次的情感特征融合;经过两层特征融合,最终通过添加Maxout的情感分类层,实现对评论文本的情感分类。实验表明,该模型在情感分类任务中分类准确率达到91.41%,相比未融合特征的基线模型提高了3.39%。 展开更多
关键词 MOOC 词向量 计算约束 文本特征 情感词典 异构融合网络 maxout神经元 情感分类
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部