湖南省教育厅优秀青年基金(13B101)
- 作品数：7 被引量：30H指数：2
- 相关作者：刘志明阳小华欧阳纯萍周文张书卿更多>>
- 相关机构：南华大学更多>>
- 发文基金：湖南省教育厅优秀青年基金湖南省自然科学基金湖南省哲学社会科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于情感依存元组的简单句情感判别方法被引量：2
- 2017年
- 基于依存句法"动词配价"原理与组块的概念,提出以情感依存元组(EDT)作为中文情感表达的基本单位。它以句中能承载情感的几类实词作为中心词,修饰词依附于中心词,程度词和否定词依附于中心词和修饰词。该文对句子进行句法分析,在句法树和依赖关系中按规则提取情感依存元组,建立简单句情感依存元组判别模型计算情感倾向性。针对COAE2014评测公布的网络新闻语料,将该方法分别与有监督分类算法(KNN、SVM)和半监督算法(K-means)进行实验对比。结果表明,基于EDT的情感分类性能与有监督的机器学习算法相当,远高于半监督的聚类算法。
- 周文欧阳纯萍阳小华刘志明张书卿饶婕
- 关键词：依存语法句法分析
- 基于维基百科的实体排歧系统设计与实现
- 2016年
- 实体排歧一直是信息抽取任务中的难点问题.传统的方法常常借助语言知识库来进行排歧,如WordNet等.但是这类方法存在着一个问题,就是很难对人名以及最新的词汇进行排歧.因此,本文利用当前流行的维基百科知识库中的排歧页对同名实体进行排歧处理,提出基于维基百科的实体排歧方法.实验显示该方法能够有效的对人名进行排歧处理并且效果显著.
- 刘永彬邹银凤刘志明
- 关键词：维基百科信息抽取
- 基于主体句和句法依赖的微博情感倾向性分析被引量：1
- 2015年
- 情感倾向性分析是近年来中文信息处理领域的热点问题.通过对新浪微博进行情感的分析与研究,提出了一种基于主体句和句法依赖关系的微博情感倾向性分析方法.首先利用自定义规则和条件随机场模型进行主体句及主体评价对象的抽取;然后使用句法分析器对主体句进行依赖关系分析,可以准确的获得修饰评价对象的评价词;最后利用情感词典计算出句子的情感倾向.实验结果表明在精确获取评价对象的基础上再进行情感倾向性判别效果要优于对微博直接进行情感倾向性分析.
- 张书卿周文欧阳纯萍饶婕刘志明阳小华
- 关键词：条件随机场情感倾向
- 多策略中文微博细粒度情绪分析研究被引量：24
- 2014年
- 针对中文微博用户的情绪分析问题,提出一种基于多策略融合的细粒度情绪分析方法。首先采用朴素贝叶斯算法对微博的有无情绪分类问题进行研究,然后构建有情绪微博的21维特征向量,最后采用SVM和KNN算法对微博进行细粒度情绪分析。以新浪微博作为实验对象,结果表明多策略集成方法好于单一分类算法。在多策略集成方法中,"NB+SVM"方法略优于"NB+KNN"方法。
- 欧阳纯萍阳小华雷龙艳徐强余颖刘志明
- 关键词：朴素贝叶斯SVMKNN
- 基于情感依存元组的新闻文本主题情感分析被引量：2
- 2014年
- 以情感依存元组(EDT)作为中文情感表达的基本结构,把新闻文本主题情感倾向性判别任务分成主题识别、情感倾向性分析和主客观分类三个逐层递进的子任务。在主题识别前先对TF-IDF方法进行改进,再结合基于交叉熵方法提取主题特征词,同时考虑了新闻文章标题的主题表征作用,将标题词纳入主题特征集;然后基于空间向量模型计算句子与主题特征向量的相似度,在此基础上考虑句子位置、长度及句子与标题的相似度,计算句子的主题相关度以抽取主题句;最后建立情感依存元组判别模型计算主题句的情感,采用主、客观分类规则筛选出新闻倾向关键句。本方法在COAE 2014评测中各项指标皆逼近最好成绩,表明基于情感依存元组的分类方法具有较高的分类性能。
- 周文张书卿欧阳纯萍刘志明阳小华
- 关键词：情感分析
- 微博文本和传统文本体裁特征对比被引量：1
- 2015年
- 在总结常用特征集合的基础上,根据微博文本的特点以及特征选取原则,选取了适合微博文本体裁分析的特征集合,这些特征能典型的反应微博文本和其他文本形式的区别.还分别对不同的文本体裁进行特征值的统计,并将统计结果在不同的文本体裁之间进行了深入的对比分析,并从体裁的角度分析出不同文本体裁的特征值差别的原因.并从体裁特征的角度说明微博文本是一种新的体裁文本.
- 张书卿周文欧阳纯萍饶婕刘志明阳小华
- 关键词：体裁
- 微博细粒度主副情感分析
- 2016年
- 根据依存句法,分析出句子中词语间的依存关系,找出词语级情感影响因子-副词、否定词,并建立情感元素模型,计算情感元素模型分值。对微博中每句话的情感进行分类,根据粒度分别求和,将最大值所对应的细粒度作为句子的情感的策略,对整条微博则采用句子得分最大的前两句所对应的细粒度作为微博的主副情感策略。在第三届自然语言处理与中文计算会议(NLP&CC2014)的微博情绪判别及分类的评测任务中,应用该方法取得了较好效果。
- 陈闯闯
- 关键词：细粒度
