情绪分析
情绪分析的相关文献在1994年到2022年内共计219篇,主要集中在自动化技术、计算机技术、临床医学、信息与知识传播
等领域,其中期刊论文87篇、会议论文1篇、专利文献179769篇;相关期刊75种,包括时代法学、学理论、数理医药学杂志等;
相关会议1种,包括中国中文信息学会2015学术年会(CIPS2015)暨第十四届全国计算语言学学术会议(CCL2015)、第三届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD2015)等;情绪分析的相关文献由583位作者贡献,包括A.加纳帕姆、D.弗雷内特、F.施尔德等。
情绪分析—发文量
专利文献>
论文:179769篇
占比:99.95%
总计:179857篇
情绪分析
-研究学者
- A.加纳帕姆
- D.弗雷内特
- F.施尔德
- J.L.莱德纳
- P.达姆
- R.罗德里格斯
- S.L.安德鲁斯
- S.乔扈里
- 不公告发明人
- 李元俊
- 李秀生
- 杨小兵
- 毛航
- 牛耘
- 王子华
- 王月超
- 陈林江
- 陈欣
- J.西斯克
- 付彦喆
- 何佩绮
- 余隋怀
- 侯玉坤
- 倪金林
- 冯镔
- 刘峻杰
- 刘文予
- 刘箴
- 刘若禺
- 厉小军
- 吴垠
- 周世俊
- 姚雨虹
- 孙伟
- 孙嘉齐
- 庄舒蓁
- 廖文慧
- 张为义
- 张铭雄
- 徐志
- 徐源音
- 徐诗怡
- 施寒潇
- 施荣华
- 曾龙
- 朱俊
- 李亮
- 李佳
- 李寿山
- 李少源
-
-
齐彦丽
-
-
摘要:
以微博文本数据情绪分析方法,研究山西暴雨这一突发事件下公众在社交媒体平台上情绪传播特征。研究发现,公众对情绪性媒体议题有更强的偏好,当媒体无法满足自身救灾想象时,公众以粉丝身份主动参与到"养成系媒体"的灾难报道议题建构中。
-
-
张舒萌;
余增;
李天瑞
-
-
摘要:
随着移动互联网的迅猛发展,社交网络平台充斥着大量带有情绪色彩的文本数据,对此类文本中的情绪进行分析研究不仅有助于了解网民的态度和情感,而且对科研机构和政府掌握社会的情绪变化及走向有着重要作用。传统的情感分析主要对情感倾向进行分析,无法精确、多维度地描述出文本的情绪,为了解决这个问题,文中对文本的情绪分析进行研究。首先针对不同领域文本数据集中情绪标签缺乏的问题,提出了一个基于深度学习的可迁移情绪分类的情感分析模型FMRo-BLA,该模型对通用领域文本进行预训练,然后通过基于参数的迁移学习、特征融合和FGM对抗学习,将预训练模型应用于特定领域的下游情感分析任务中,最后在微博的公开数据集上进行对比实验。结果表明,该方法相比于目前性能最好的RoBERTa预训练语言模型,在目标领域数据集上F1值有5.93%的提升,进一步加入迁移学习后F1值有12.38%的提升。
-
-
冯广;
江家懿;
罗时强;
伍文燕
-
-
摘要:
长期以来,传统的基于单模态数据情绪分析方法存在分析角度单一、分类准确率低下等问题,时序多模态数据的分析方法为解决这些问题提供了可能.本文基于话语间的时序多模态数据,对现有的多模态情绪分析方法进行了改进,使用双向门控循环网络(Bi-GRU)结合模态内和跨模态的上下文注意力机制进行情绪分析,最后在MOSI和MOSEI数据集上进行验证.实验表明,利用话语间的时序多模态数据,并且充分融合模态内以及跨模态上下文信息的方法,能够从多模态特征和时序特征的角度进行情绪分析,从而有效提高情绪分析任务的分类准确率.
-
-
陈惜枝
-
-
摘要:
人的情绪每时每刻都在变化,当人体情绪波动时,其皮肤的温度与电阻会发生相应的变化[1]。运用传感器将变化情况接收并进行相应的数据处理,可得知人体的情绪变化情况。因此,研制一种人体皮肤温度的测量装置,以满足情绪分析的测量需求,具有重要意义。本论文在基于DSP的皮肤测量系统研究[2]的基础上,详细阐述了基于单片机的人体皮肤温度的测量装置的设计原理,进行了计算机仿真,并最终在硬件上实现这些功能。论文介绍了皮肤温度测量装置的温度采集模块、AD转换模块以及数码管显示模块的器件选型及主要硬件电路。
-
-
张亚伟;
吴良庆;
王晶晶;
李寿山
-
-
摘要:
情绪分析一直是自然语言处理领域的研究热点,而多模态情绪分析是当前该领域的一个挑战。已有研究在上下文信息和不同模态时间序列信息交互方面存在不足,该文提出了一个新颖的多层LSTM融合模型(Multi-LSTMs Fusion Model, MLFN),通过分层LSTM分别设置单模态模内特征提取层、双模态和三模态模间融合层进行文本、语音和图像三个模态之间的深度融合,在考虑模态内部信息特征的同时深度捕获模态之间的交互信息。实验结果表明,基于多层LSTM多模态融合网路能够较好地融合多模态信息,大幅度提升多模态情绪识别的准确率。
-
-
罗刚;
王铭勋;
黎明;
黄敏;
陈昊
-
-
摘要:
针对功率谱密度在脑电情绪分析中存在特征单一且无法有效表示频率间差异的问题,提出一种增强型功率谱密度特征提取方法,实现对情绪的分析与差异显著性判断。该方法通过脑电信号的α频率功率谱密度得到功率谱密度图像,利用图像特征提取算法提取其颜色特征、纹理特征与相似性特征,再基于相关性准则剔除冗余特征,以差异显著性P值的最小平均值为目标,获得最终的特征子集,从而有效地融合了不同图像特征,最后对被试的情绪进行分析与差异显著性判断。试验结果表明,所提出的方法能够有效量化SEED数据集中被试的情绪差异;在自行设计情绪脑电试验中,与其他方法相比,利用所提出的方法得到的差异显著性值更小,证明了方法的可行性和有效性。
-
-
周月;
廖若沙;
王姣颖
-
-
摘要:
结合立体构成实际目标与现状,文章围绕课程实操部分,提出培养工业设计专业学生设计主题情绪分析能力、表现能力,以及实际工业产品设计能力三方面的具体方式方法,以切实达到提升学生设计创新能力的目标,为国家培养具有创新能力的技能型人才,助力工业产业升级。
-
-
丁健;
杨亮;
林鸿飞;
王健
-
-
摘要:
近年来,利用多模态数据进行情绪分析是一个非常热门的领域。如何对模态内部信息及模态之间的相互作用进行更好的利用,是一个值得探讨的研究问题。而多个模态之间的相互作用,并不是一个静态的过程,而是动态变化的,且模态对于不同的任务而言也存在动态的强弱差异。若不能妥善处理,将导致模型性能的下降。该文针对时序多模态情绪数据提出了一种异质的动态融合方法,通过层次化的异质动态融合方式更完备地进行模态融合,并且动态地捕捉到模态间的相互作用。因此,该方法在提高模型性能的同时也提高了模态融合过程的可解释性。同时,该文利用多任务学习策略,将异质动态融合网络联合单个模态的自监督学习网络,获得模态的一致性及差异性特征。通过CMU-MOSI及CMU-MOSEI数据集上的实验表明该模型相比于主流模型具有优势,且模态融合的过程更具可解释性。
-
-
江涛;
黄昌昊;
孙斌
-
-
摘要:
随着大数据和新媒体时代的到来,短视频+短评论的风潮愈发流行。相比于普通的视频评论,弹幕具有更强烈的情感倾向,蕴含着丰富的情绪价值。本文意在研究弹幕的情绪分类,依据大连理工大学情感词汇本体库,对爬取的B站弹幕进行人工数据标注,采用Bert预训练语言模型与循环卷积神经网络BiLSTM_CNN,充分提取弹幕文本信息和句子语义特征,最终通过softmax函数得出弹幕文本的情绪分类,分类精度达到84.6%,相比传统模型准确率得到显著提升。
-
-
黄跃进
-
-
摘要:
文章以成果导向教育理念为切入点,采用情绪自我报告、访谈、面部表情识别与情绪文本挖掘等情绪分析法考查学习者的学习动机,研究混合学习模式下“跨境电商”课程教学中学生的学习情绪变化,以激发学生的积极自我效能感,使学习者的自主学习与课程平台操作等方面的能力得到显著提升。