帮助 关于我们

返回检索结果

一种基于情感计算与层次化多头注意力机制的负面新闻识别方法
A Negative News Recognition Method Based on Emotional Computing and Hierarchical Multi-head Attention Mechanism

查看参考文献20篇

张仰森 1,2   周炜翔 1   张禹尧 1   吴云芳 3  
文摘 网络负面新闻识别在网络舆情监测中具有重要的研究意义.针对当前海量数据下负面新闻难以检测的问题,提出了一种基于情感计算与层次化多头注意力机制相结合的负面新闻识别方法.首先,从新闻文本中采用TF-IDF(Term Frequeney-Inverse Document Frquency)和语义相似度算法构建负面新闻情感词库;其次,采用情感倾向计算方法计算负面新闻情感词的情感倾向度;最后,将词语和词语的情感倾向度进行向量化表示,并采用层次化多头注意力机制进行正负面新闻的判定.情感计算和多头注意力机制的引入,对于捕获文本中的情感词语提供了很大帮助.最终本文基于真实的网络新闻文本数据与现有的多种算法进行对比,证明了该模型具有较好的识别效果,相比于Han模型和LSTM模型分别提高了0.67%和3.29%.
其他语种文摘 Identification of network negative news has important research significance in network public opinion monitoring.Aiming at the problem that negative news is difficult to detect under the current mass data,this paper proposes a method of negative news recognition based on emotional computing and hierarchical multi-head attention mechanism.Firstly,this paper uses TFIDF(Term Frequeney-Inverse Document Frquency) and emotional similarity algorithm to construct negative news emotional lexicon from news texts.Secondly,this paper uses the method of emotional tendency calculation to calculate the degree of emotional tendency of negative news affective words.Finally,the model vectorizes the emotional tendencies of words and expressions,and use hierarchical multi-attention model to judge the positive and negative emotions of news.The introduction of emotional computing and multi-attention mechanism is of great help in capturing emotional words in texts.Finally,this paper compares the real network news text data with many existing algorithms,and proves that the model has a good recognition effect.Compared with the Han model and LSTM model,it is increased by 0.67% and 3.29% respectively.
来源 电子学报 ,2020,48(9):1720-1728 【核心库】
DOI 10.3969/j.issn.0372-2112.2020.09.008
关键词 语义相似度 ; 情感计算 ; 多头注意力模型 ; 情感倾向
地址

1. 北京信息科技大学智能信息处理研究所, 北京, 100101  

2. 国家经济安全预警工程北京实验室, 国家经济安全预警工程北京实验室, 北京, 100044  

3. 北京大学计算语言学研究所, 北京, 100871

语种 中文
文献类型 研究性论文
ISSN 0372-2112
学科 自动化技术、计算机技术
基金 国家自然科学基金 ;  科技创新服务能力建设-科研基地建设-北京实验室-国家经济安全预警工程北京实验室项目 ;  促进高校内涵发展--研究生科技创新项目
文献收藏号 CSCD:6833484

参考文献 共 20 共1页

1.  Turney Peter. Measuring praise and criticism:inference of semantic orientation from association. ACM Transaction on Information Systems,2003,21(4):315-346 CSCD被引 134 次    
2.  王兰成. 基于情感本体的主题网络舆情倾向性分析. 信息与控制,2013,42(1):46-52 CSCD被引 3 次    
3.  周文. 一种基于情感依存元组的简单句情感判别方法. 中文信息学报,2017,31(3):177-183 CSCD被引 2 次    
4.  陈涛. 一种基于情感句模的文本情感分类方法. 中文信息学报,2013,27(5):67-74 CSCD被引 4 次    
5.  周邦定. 新闻情感倾向性识别算法的研究与应用. 微型机与应用,2015,34(14):58-60,67 CSCD被引 1 次    
6.  曹欢欢. 负面新闻判定算法的研究与应用. 小型微型计算机系统,2015,36(5):1047-1051 CSCD被引 1 次    
7.  Bo Pang. Thumbs up? Sentiment classification using machine learning techniques. Proceedings of the 2002 Conference on Empirical Methods in Natural Language Processing,2002:79-86 CSCD被引 1 次    
8.  Tang D Y. Learning sentiment-specific word embedding for twitter sentiment classification. Proceedings of the Meeting of the Association for Computational Linguistics,2014:1555-1565 CSCD被引 1 次    
9.  Ren Y. Context-Sensitive Twitter sentiment classification using neural network. 30th AAAI Conf on Artificial Intelligence (AAAI 2016),2016:215-221 CSCD被引 1 次    
10.  徐军. 使用机器学习方法进行新闻的情感自动分类. 中文信息学报,2007(6):95-100 CSCD被引 44 次    
11.  何志勇. 基于LSTM新疆暴恐事件新闻情感倾向性分析,2017 CSCD被引 1 次    
12.  Zhang Yangsen. A Text Sentiment Classification Modeling Method Based on Coordinated CNN-LSTM-Attention Model. Chinese Journal of Electronics,2019,28(1):120-126 CSCD被引 19 次    
13.  关鹏飞. 注意力增强的双向LSTM情感分析. 中文信息学报,2019,33(2):105-111 CSCD被引 19 次    
14.  李丽双. 基于动态注意力GRU的特定目标情感分类. 中国科学:信息科学,2019,49(8):1019-1030 CSCD被引 4 次    
15.  Vaswani A. Attention is all you need. 31st International Conference on Neural Information Processing Systems,2017:5998-6008 CSCD被引 2 次    
16.  Yang Z. Hierarchical attention networks for document classification. Proceedings of the 2016 Conference of the North American Chapter of The Association for Computational Linguistics:Human Language Technologies,2016:1480-1489 CSCD被引 30 次    
17.  梁斌. 基于多注意力卷积神经网络的特定目标情感分析. 计算机研究与发展,2017,54(8):1724-1735 CSCD被引 53 次    
18.  王青. 基于强化学习的层次化注意力网络模型及文本情感分类研究,2018 CSCD被引 1 次    
19.  Kim Y. Convolutional neural networks for sentence classification. Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing,2014:1746-1751 CSCD被引 174 次    
20.  Lai S. Recurrent convolutional neural networks for text classification. Twenty-Ninth AAAI Conference on Artificial Intelligence,2015:2267-2273 CSCD被引 8 次    
引证文献 1 篇

1 张亚洲 一种量子概率启发的对话讽刺识别网络模型 电子学报,2022,50(8):1885-1893
CSCD被引 0 次

显示所有1篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号