基于情緒激勵度的情緒詞加權方法
大小：0.64 MB 人氣： 2017-12-05 需要積分：2
標簽：加權(6956)
在不同的上下文中，情緒詞對情緒的激勵程度會發(fā)生變化。現(xiàn)有情緒詞典中大多數(shù)只標注了情緒詞的情緒類別而未涉及情緒詞的激勵度。在極少數(shù)標注情緒強度的詞典中，所標注的強度未考慮上下文的影響。提出一種根據(jù)上下文形成的情境評估情緒詞對情緒的激勵程度并據(jù)此對情緒詞加權的方法。通過比較情緒詞的共現(xiàn)模式與自身情緒類的分布模式計算情緒詞的激勵程度。然后根據(jù)激勵程度計算情緒詞的情緒權重并將其用于微博情緒識別。實驗結果表明，與現(xiàn)有詞典中的情緒強度相比，本文方法計算的情緒權重更準確地描述了情緒詞在語料中表達的情緒，有效地提高了情緒分析的精度。并且本文方法還能夠有效綜合多個詞典的優(yōu)勢，進一步提高微博情緒分析的準確率。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于情緒激勵度的情緒詞加權方法下載
相關電子資料下載
- 二進制加權數(shù)模轉換器講解 1248
- 可編程通用濾波器實現(xiàn)C-message加權功能 493
- 通過多尺度說話人分解實現(xiàn)動態(tài)尺度加權 1026
- 使用CISPR加權檢波器的模擬超外差接收機時代 1516
- 基于H．264實現(xiàn)最優(yōu)重疊塊匹配加權窗的系數(shù)設計 3250
- 噪聲中的加權-什么是加權 12927
- 加密貨幣會增加權力下放，使中介機構變得不那么重要 413
- 異構多核處理器系統(tǒng)的特點及基于加權優(yōu)先級的任務調度算法分析 5392
- 兩種方法通過加權將先驗物理知識減少或離散化為適合現(xiàn)有深度學習架構的機制 2909
- 白話空間統(tǒng)計之地理加權回歸 2582