典型文献
基于意象的诗词情感分析研究
文献摘要：
针对诗词中意象与情感的关系,传统的研究方法过度依赖专家知识且未见大规模语料自动处理.为此提出将方面级情感分析技术应用到诗词情感分析领域,并通过对比实验选取出自动分析意象与诗词情感效果最好的方面级情感分析模型.首先采用BERT预训练模型得到诗词的初始化向量表示,再分别输入到BERT-Single、AOA(Attention-Over-Attention)、IAN(Interactive Attention Networks)、MemNet(Memory Network)、ATAE-LSTM(Attention-based LSTM with Aspect Embedding)五个主流方面级情感分类模型中获取与诗词意象相关的情感分类特征向量,最后将其输入到Softmax分类器进行情感判定.实验结果表明,IAN的效果最好,Macro_F1值达到了68.16％.
文献关键词：
方面级情感分类;BERT;注意力机制;诗词意象
中图分类号：
作者姓名：
付朝帅;李攀;吴亚东;张贵宇;高婧
作者机构：
四川轻化工大学自动化与信息工程学院,宜宾 644000;四川省大数据可视分析工程技术实验室,宜宾 644000;四川轻化工大学计算机科学与工程学院,宜宾 644000;四川轻化工大学人工智能四川省重点实验室,宜宾 644000
文献出处：
引用格式：
[1]付朝帅;李攀;吴亚东;张贵宇;高婧-.基于意象的诗词情感分析研究)[J].现代计算机,2022(12):9-16
A类：
MemNet,ATAE
B类：
词情,中意,专家知识,语料,自动处理,方面级情感分析,自动分析,BERT,预训练模型,初始化,向量表示,别输,Single,AOA,Attention,Over,IAN,Interactive,Networks,Memory,Aspect,Embedding,方面级情感分类,分类模型,诗词意象,分类特征,特征向量,Softmax,分类器,Macro,注意力机制
AB值：
0.365384
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
