原文服务方: 计算机应用研究       
摘要:
将预测社交媒体表情符的任务作为文本分类问题,将输入文本映射到最有可能的伴随表情符号.首先,通过研究帖子中出现的表情符与标签之间的关系,提出一个基于标签、发帖用户、发帖时间、发帖地点的注意力机制;其次,添加表情符位置特征;最后,探讨注意力机制、分级模型对于表情符预测任务的作用,训练多种模型并比较其预测效果.实验结果表明,模型对于不同使用频率的表情符的预测效果均有显著提升,模型是可行的、高效的.
推荐文章
基于表情符注意力机制的微博情感分析模型
表情符
微博
情感分析
注意力机制
基于表情符注意力机制的微博情感分析模型
表情符
微博
情感分析
注意力机制
专注智能油藏储量预测的深度时空注意力模型
油藏储量预测
循环神经网络
注意力机制
深度时空注意力模型
面向运动目标检测的粒子滤波视觉注意力模型
注意力模型
运动目标检测
粒子滤波
融合
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 面向社交媒体的分级注意力表情符预测模型
来源期刊 计算机应用研究 学科
关键词 表情符预测 标签 分级预测 注意力机制 社交媒体
年,卷(期) 2020,(7) 所属期刊栏目 算法研究探讨
研究方向 页码范围 1931-1934
页数 4页 分类号 TP391
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2018.12.0934
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 周俊祥 13 29 3.0 5.0
2 姬东鸿 武汉大学国家网络安全学院 92 887 16.0 26.0
3 张熙来 武汉大学国家网络安全学院 1 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  (3)
共引文献  (2)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1948(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
表情符预测
标签
分级预测
注意力机制
社交媒体
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
总被引数(次)
238385
论文1v1指导