基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前,深度神经网络模型已经在文本情感分析领域取得了较好的效果,但是对于属性相关的细粒度的情感分析任务,现有研究方法的效果仍有待改进.该文提出了一种基于循环实体网络来进行细粒度情感分析的方法,在网络中嵌入预定义的评价属性类别信息,利用扩大的内部记忆链来抽取与每个属性类别相关的情感特征,并通过动态记忆单元控制与属性相关情感信息的远距离依赖,然后,对于给定的单个属性类别,利用注意力机制从内部记忆链中抽取该属性类别的情感特征进行分类.该文提出的方法在Sentihood数据上与目前精度最高的方法相比,取得了近1个百分点的提升,而且模型的收敛速度更快.
推荐文章
基于深度学习的社交网络平台细粒度情感分析
情感分析
深度学习
降噪自动编码器
社交网络平台
IP网络的NGOSS的细粒度设计方法
下一代运营维护支持系统
细粒度
商务无关的软件组件
基于HBase的细粒度访问控制方法研究
HBase
访问控制
细粒度权限
数据库角色
细粒度网络流量分类架构及其优化
细粒度网络流量
指纹自动生成
位分割状态机
启发式算法
字符串匹配
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 基于循环实体网络的细粒度情感分析
来源期刊 中文信息学报 学科 工学
关键词 细粒度情感分析 循环网络 属性嵌入
年,卷(期) 2019,(9) 所属期刊栏目 情感分析与社会计算
研究方向 页码范围 123-128
页数 6页 分类号 TP391
字数 5088字 语种 中文
DOI 10.3969/j.issn.1003-0077.2019.09.015
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 方睿 成都信息工程大学计算机学院 25 82 5.0 7.0
2 贾川 成都信息工程大学计算机学院 4 8 2.0 2.0
3 浦东 成都信息工程大学计算机学院 3 8 2.0 2.0
4 康刚 成都信息工程大学计算机学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
细粒度情感分析
循环网络
属性嵌入
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
中文信息学报
月刊
1003-0077
11-2325/N
16开
北京海淀区中关村南四街4号
1986
chi
出版文献量(篇)
2723
总下载数(次)
5
总被引数(次)
45413
论文1v1指导