原文服务方: 计算机应用研究       
摘要:
针对传统的微博情感分析方法忽略了图片影响因素、特殊符号信息以及上下文信息导致情感分析方法准确率不高的问题,提出了一种基于转移变量的图文融合微博情感分析方法.首先构建基于转移变量的无监督情感分析模型USAMTV来分析文本情感分布,通过引入连词情感转移变量和转发符号主题转移变量来处理句子的情感从属和主题从属,获得文本的情感分布;然后引入图片因素为情感浓度来影响文本的情感分布;最后计算微博的整体情感倾向.与JST和ASUM模型相比,本模型测试数据集的准确率更高.实验结果表明,该方法能更准确地预测微博情感倾向.
推荐文章
多特征融合的图文微博情感分析
情感分析
微博
多特征融合
神经网络
图文融合
多特征融合的图文微博情感分析
情感分析
微博
多特征融合
神经网络
图文融合
基于性格的微博情感分析模型PLSTM
情感分析
性格
word2vec
长短时记忆网络
分类器融合
基于语义空间的藏文微博情感分析方法
藏语微博
情感分类
语义空间
文本聚类
语义簇
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于转移变量的图文融合微博情感分析
来源期刊 计算机应用研究 学科
关键词 情感分析 图文融合 转移变量 转发符号 主题模型
年,卷(期) 2018,(7) 所属期刊栏目 软件技术研究
研究方向 页码范围 2038-2041
页数 4页 分类号 TP319
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2018.07.027
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 谭长庚 中南大学软件学院 36 283 9.0 16.0
2 邓佩 中南大学软件学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (59)
参考文献  (7)
节点文献
引证文献  (4)
同被引文献  (73)
二级引证文献  (3)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(5)
  • 参考文献(5)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(4)
  • 引证文献(3)
  • 二级引证文献(1)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
情感分析
图文融合
转移变量
转发符号
主题模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导