情感倾向

摘要： 采集我国2020年1月23日~2021年1月23日在COVID-19疫情期间的微博数据,采用Snow NLP情感分析模型、ROST CM6社会语义网络分析方法、地理空间分析等方法,通过计算公众出行情感倾向值,探讨COVID-19疫情背景下公众出行关注主题的变化以及公众出行情感的时空分异特征。结果表明:疫情各阶段的语义分析网络呈现由密集→稀疏→稀疏→密集的变化特征,公众出行关注的主题变化明显,其中出行目的地的变化最明显;新冠疫情变化与公众出行情感变化在时空尺度上紧密相关,其敏感地、较强地制约公众出行意愿;疫情作用下公众的出行情感呈现典型的时空分异特征,由于疫情的消极效应、滞后消极效应,随着疫情由暴发→好转→稳定好转→反复变化,公众出行情感由积极→消极→积极→消极变化,且这种演变特征在我国西南地区表现最为明显。

摘要： 景区的旅游消费者评价具有一定的情感倾向,其评价既可以反映消费者的感受,又能影响潜在的旅游消费者。利用八爪鱼采集器抓取携程和马蜂窝两大平台中三亚景区的旅游消费者评价6565条,运用ROST CM6软件对上述评价进行语义关系及情感倾向分析,分析结果显示积极情绪占80.24%,消极占10.19%,为了更好地提出建议,再用图悦软件对数据进行词云图分析,剔除无效词语并划分类目,二者结合分析的结果较为全面,从而为三亚景区提出有针对性的建议。

摘要： 一、研究背景作为城市中开放空间的重要组成,城市公园为居民提供了开展日常游憩、锻炼、交往等活动的主要场所。城市居民在公园中的活动体验,关系到居民的日常生活质量,反映出公园供给水平的高低。近年来,我国公园建设如火如荼,根据公开数据显示,截至2018年,我国公园数量已达到16735个,占地面积达到49.42万公顷。大力建设的同时,也凸现出一些问题,如忽略了公园游憩者的实际需求和感受,导致一些公园利用率不高,造成社会公共资源的浪费。因此,从使用者角度出发,挖掘游憩者对于公园的关注点及体验感受,对于发现城市公园现存问题,进而提升其有效供给水平,改善游憩者体验具有重要的指导作用。

摘要： 电影产业兼顾了社会文化属性和商业市场价值,华语电影是全球电影市场中的重要组成部分,它不但可以实现电影产品与服务的市场价值,同时更是世界感知华语圈人们思想情感、价值观、生活方式的重要媒介。通过对IMDb和BoxOfficeMojo网站中采集到的华语电影大数据进行情感倾向和消费认知分析,发现以动作片为主要类型的华语电影亟需进行结构优化和内容创新,同时华语电影更需要坚守自身的文化价值和艺术审美,以优秀的剧情设计、场景呈现、角色塑造,以及独具魅力的音乐、特效、语言等设计,共同推动华语电影国际形象的树立和市场竞争力的提升。

摘要： 大数据时代,数据负载使得人们从互联网中获取有效信息的难度越来越大,单维度用户与系统的交互行为已经无法进行精确地推荐,而用户在系统中对物品的评论信息常常能够表达用户的情感倾向和兴趣偏好.利用自然语言处理的ALBERT模型结合BiLSTM神经网络来挖掘用户对物品评论文本中的情感倾向,将用户的情感倾向进行二分类并数值化代入到用户评分矩阵中,此方法解决了用户评分矩阵数据稀疏的问题,最后利用相似度计算和对物品预测评分来为邻域用户提供个性化推荐.在豆瓣电影评论数据集上进行了对比实验,结果表明:所提出算法的精确率达到25.36%,优于近期提出的加权正则的矩阵分解方法和稀疏线性模型推荐方法,具有更好的推荐效果.

摘要： 在突发事件中,公众已开始习惯利用短视频平台来发布危机信息、跟踪危机事态、表达情感等,这给舆情研究带来了很大挑战,特别是面对海量、高频的短视频舆情数据时,快速推断和把握其演化规律对应急决策具有重要作用。基于此,本文提出了一个突发事件短视频舆情演化分析模型,该模型包含短视频的采集、压缩、生命周期划分、账号类型统计、视频类型标注、情感倾向计算及主题挖掘等功能。通过利用“郑州特大暴雨”案例数据,对提出的分析模型进行验证发现,该模型能很好地完成短视频舆情演化分析任务。

摘要： [教学设想]李白的《蜀道难》打破了传统乐府仅用赋体叙写的方式,在依据旧有的寓意和情感倾向的同时,进行了创造性联想和想象,且运用了大量的修辞手法,以汪洋恣肆的文笔造就了磅礴的气势,突出主观感受,表达情感思想。李白将浪漫气质融进乐府诗,将乐府诗的创作推向了高潮。李白在诗中实现了情感与形式的完美统一,整首诗的韵脚随着情感的流动而变化,且句式错落,情感的跌宕与句式之长短契合,从而使情感的表达与形式的变换达到了统一。诵读文本时,我们一方面要想象作者笔下蜀道的雄奇险峻,体会李白诗歌的浪漫主义风格;另一方面要把握其“情移韵随”的创作特点。

摘要： 高中古诗词赏析教学中,教师首先需要培养学生古诗词赏析的方法,使得学生能够自发、高效进行古诗词赏析,从而整体提升高中生的古诗词赏析水平。一、从背景知识入手,引导学生鉴赏古诗词在古诗词鉴赏教学中,教师需要引导学生明确不同的时代背景对古诗词的表达也有一定的影响。诗词是作者抒发自身情感、表达自身愿景的一种方式,而不同的时代背景对诗人存在着一定的影响,决定着诗人的情感倾向。因此,鉴赏古诗词的第一步,就是需要对古诗词的创作背景展开分析。

摘要： 该文针对疫苗接种的相关微博评论进行情感倾向分析,首先利用基于神经网络的Doc2vec模型训练文本向量,继而使用支持向量机(SVM)、随机森林(RF)、逻辑回归(LR)三种机器学习的算法完成情感分类任务,且分别讨论了三种算法在四种不同的Doc2vec模型设定方案下的分类表现。其中Distributed Memory version of Paragraph Vector (PV-DM)算法训练的文本向量中,RF表现最优,在方案一与方案二上其F1分数值均为最高,分别为87.24%、87.50%。基于Distributed Bag of Words version of Paragraph Vector (PV-DBOW)算法训练的文本向量中,SVM表现最优,在方案三与方案四上其F1分数值达到最高,分别为84.11%、83.91%。

摘要： 针对现有的金融文本情感分类模型在对文本表示进行建模时忽略了上下文语义和情感倾向之间交互关系的问题,本文提出了基于交互式学习与多头注意力机制的金融文本情感分类模型(Interactive learn⁃ing and multi-head attention mechanism,ILMA)。该模型首先利用BERT模型来获得上下文和情感倾向信息的词嵌入表示;然后分别使用两个双向GRU(BiGRU)神经网络来学习上下文语义和情感倾向信息的随机依赖性;之后利用交互式学习机制和多头注意力机制来学习文本语境语义与情感倾向信息之间的交互表示;最后将生成的上下文语义和情感倾向信息的表示序列进行连接后,作为softmax分类器的输入进行分类。在四个公开的金融数据集上进行了实验,将ILMA模型与其他方法进行比较,结果表明ILMA模型的分类准确性相对于其他模型有了显著提升。

摘要： 暴力恐怖事件给国家和社会安全管理带来很大的挑战,关于"暴恐"舆情的深入研究是网络舆情分析的重要内容之一.基于"新疆暴恐"主题下的微博抽样数据,对微博用户的基本特征进行了统计描述,刻画了舆情情感倾向强度的动态变化,并构建有序多分类Logistic回归模型,研究了影响网民情感倾向性的主要因素.实证结果表明,网民的性别、活跃度、所在地区的环境效应对情感倾向有显著影响,但活跃度与其他因素的交互作用对影响效应有一定的抵消作用.

摘要： 由于互联网技术的蓬勃发展，Web 金融信息对于金融领域的影响已越来越不容忽视。面对海量的非结构化的Web 金融信息，本文提出了一种文档倾向值计算方法，定性分析了Web 金融信息情感倾向与上市公司财务危机的关系。通过实证分析，运用Web 金融信息预警上市公司财务危机不仅可行，而且可比财务指标提早3-4 个季度。

摘要： 近年来，文本情感倾向研究受到研究界和企业界越来越多的关注，成为了自然语言处理、信息检索、数据挖掘等领域的研究热点之一。随着研究的不断深入。大量情感倾向分析的新方法、新问题也不断涌现。该文重点对文本情感倾向研究的前沿进展进行概括和分析。首先，结合近年来的研究成果，对文本情感倾向分析的两类主要问题进行了定义。并归纳了不同的倾向性表示方法。接下来，对倾向性分类、倾向性信息抽取，语料库与评测以及倾向性分析应用等方面的研究现状进行介绍。最后，总结了情感倾向性分析技术并对未来的发展进行了展望。由于国内对于文本情感倾向分析的研究起步较旱，在一些问题的研究上处于国际前沿水平，已经发表了许多高水平论文，该文也将对此加以介绍。

摘要： 介绍了微博网络舆情分析系统的整体流程,描述了数据抓取、分词系统、热点提取方法,针对新浪陕西气象微博,采用情感分析法对实验所提取热点信息的评论进行分析,得到网民对相关气象服务的观点、看法,识别出其情感倾向,进而为气象服务效益评估方式提供新的依据.

摘要： 随着web2.0技术的发展微博成为人们生活中分享消息,获取新闻的主要媒介,微博与其他网络互动平台相比,其内容短小精炼,获取方式便捷,不受时间和地点的限制,传播速度快等特点深受广大网民的青睐,但也由此原因,微博也成为新的舆情产生的主要渠道之一.本文通过对微博文本数据的文本挖掘分析研究得出在微博舆情事件中网民关注的事件相关的主题以及网民的情感倾向,并通过Cox比例风险模型对事件中意见领袖进行识别,分析意见领袖在微博舆情演化过程中的影响.研究发现在意见领袖对微博热度演化的影响主要表现在微博的转发数的增加；对于公众议题演化的影响表现在对事件特定议题的讨论会给事件的演化带来影响；对于公众情感倾向掩护的影响主要表现在转发意见领袖的微博的网民情感大多与意见领袖一致，即意见领袖对于网民的情感倾向有一定的导向作用。

摘要： 社交媒体舆情监测是社交媒体分析的热点研究问题,学界和工业界取得了很多研究成果.但目前针对热门话题舆情监测研究中,往往只在整体上关注事件舆情趋势,而没有对事件内部不同的讨论主题进行分析.鉴于此,本研究将主题分类模型引入到舆情监测中来,并在此基础上,以时间为脉络进行面向主题的情感分析.并以“北京市单双号限行常态化”这一微博话题为例进行实证研究,通过各个时段“北京市单双号限行常态化”这一微博话题群体情感倾向变化的分析.通过巴斯模型对此类事件进行识别，并通过关注持续性微博敏感性话题内部不同主题的民众情感倾向，结合时间发展变化，寻找大多数民众最关心、最敏感的议题方向为舆情监测供调控对象和时点选择的建议。由于持续性敏感性话题，往往会在相当的一段时间内得到持续关注，这一点与巴斯模型"不存在重复购买"的假设有所偏离，会在未来的工作中会进一步完善研究，未来的工作包括修正模型，以及针对类似事件的实证研究等。

摘要： 在线评论为人们在网络上购物提供了大量参考信息,也成为影响消费者购买决策的重要因素.线上评价体系中的好评率成为用户选择店铺和商品首先考虑的因素,由此导致店铺和商品的好评率也越来越高,由于消费者会从不同的维度来揣摩好评的文本内容,因此从整体来揣摩好评的本意就不尽准确.本文从情感倾向角度来研究好评的文本内容对用户购买决策的影响,以从众效应和归因理论为基础,依据信息易获得性与诊断力理论,用情感倾向分析方法识别评论文本内容的情感倾向,通过实验、问卷设计方法,采用二项逻辑回归对假设进行检验.研究结果表明好评的数量和评论内容的正面情感倾向对用户购买决策都有正向影响,更重要的是好评数量和好评文本内容情感倾向之间存在交互作用,好评数量并不必然对购买决策产生正向影响,只有好评文本内容正面情感倾向较高时,好评数量才会加大用户购买的可能性.

摘要： 本文使用组合分析方法对中文微博的情感倾向进行判定.首先使用微博的内容特征进行主客观分类,分离主观微博和客观微博;然后在主观微博数据集中,使用有监督分类的方法(SVM),依然采用微博的内容特征判别微博情感极性,得到正面微博数据集合和负面微博数据集合;最后利用微博的关联特征对分类结果进行优化.实验结果表明该组合方法可以有效地判别微博情感倾向.

摘要： 特征-观点对的抽取是观点挖掘中重要的研究课题之一,本文利用依存语法对句子的分析,研究了评论文本中特征-观点对的抽取.利用词对间的依存关系,构建了用于获取含情感倾向组块的规则以及候选评价对象的识别算法,在此基础上,设计了具有情感倾向的特征-观点对的抽取算法。本文对山西旅游景点评论语料进行了特征-观点对的抽取,实验结果表明,整体的F1值达到了87.10％,验证了算法的有效性。

摘要： 由于中文在机器语言处理中存在一些自身的特点和难点,观点挖掘进展较缓慢.本文介绍了观点挖掘和依赖语法及其现状,提出了基于中文依赖语法的观点挖掘模型,介绍了基于中文依赖语法的特征提取方法,在此基础上加入了评价对象提取的思想;并以依赖语法规则对主观字极性评估方法做了相关改进.以建立一个全面、准确的中文观点分析模型为目标.本文试图通过建立观点挖掘模型为相关领域研究提供参考,为商家或者机构做出决策提供支持.

摘要： 本发明公开一种基于用户情感倾向感知的微博文本情感极性分析方法，包括如下步骤：获取目标用户的历史微博文本集合及目标文本，并预先统计获得目标用户的历史微博文本集合中包含的各文本的情感倾向；提取目标文本的情感词并生成目标文本的文本情感信息ht；基于历史微博文本判断目标用户的用户情感倾向得分Score(U)；基于用户情感倾向得分Score(U)及文本情感信息ht判断目标文本的情感极性。本发明公开了一种基于用户情感倾向感知的微博文本情感极性分析方法，将目标文本中的情感词的情感倾向与用户自身的情感倾向相结合，从而使得对于目标文本的情感倾向的判断更加准确。

摘要： 基于情感词典的短文本情感倾向分析方法，首先基于词频统计的方法构建基础情感词典；对候选词语与基础情感词典中词汇的统计相关性计算来判别它的情感倾向，从而扩充基础词典。然后在情感词典的基础上，以每条评价语句S为单位，以该语句中的每个情感词WS为分隔符，对两个分隔符之间的断句phrase(WSi‑1,WSi)进行情感权值计算，然后将每个断句的权值加权求和得出每条评价语句S的总体情感倾向值weight(S)，判断每条评价语句S的情感极性，如果weight(S)大于0，则该评价属于正面评价；否则，认为每条评价语句S属于负向评价，从而实现对评价语句的极性分类，断句phrase(WSi‑1,WSi)包含词语WSi，但是不包含词语WSi‑1。

摘要： 本发明公开了一种基于金融情感词典的情感倾向性分析与评价模型，包括专有词汇白名单、中文分词器、情感词词典、否定词词典、程度副词词典、情感词位置词典、否定词位置词典、程度副词位置词典、情感分数输出模块和等级判断模块，通过中文分词器读取文本并进行分词，所述情感分数输出模块计算文本的情感分数，并通过等级判断模块输出文本等级，即可得出文本情感倾向水平。本发明中，本发明的情感倾向性分析模型是服务于聊天机器人的，想区分的不是传统模型所致力的区分真正的情感，而是区分一个是否问题，并且重点也需要区分出客户转移话题的意图，通过对用户回复进行两次等级判断，并给出对应的结果，更好地提升了用户体验度和聊天机器人的交互性。

摘要： 本发明提供了一种融合用户情感倾向的社交网络评论文本情感分析方法和系统，通过用户的历史评论的情感极性分布以及社交关系计算用户的情感倾向分值；以用户的情感倾向分值作为用户的属性信息，用户与用户之间的社交关系为边信息构建用户社交关系网络；提取用户情感倾向特征表示；提取评论文本的特征表示；通过联合策略融合评论文本特征和评论对应的用户情感倾向特征得到评论联合特征表示，构建逻辑回归模型对社交网络评论文本的情感极性进行预测分析。本发明结合了用户心理干预因素，在技术上把用户情感倾向特征和文本特征相融合得到特征增强的联合特征用于社交网络文本情感分析，相比传统的仅基于文本特征的情感分析方法有更高的精确度。

摘要： 本发明涉及一种基于情感词匹配的人才情感倾向检测方法，具体包括以下步骤：S1、获取待评价人才的身份信息，根据身份信息确定待评价人才在社交网络平台的用户名称；S2、根据用户名称采集待评价人才在社交网络平台上的社交信息，从社交信息中提取情感关键词，并对提取出的情感关键词进行分类；S3、将分类完成的情感关键词与相应类别的情感词库进行匹配，根据匹配结果确定待评价人才的人才情感倾向。与现有技术相比，本发明具有扩展情感词分析时的基础词源范围、提高人才情感倾向分析结果的准确性和稳定性等优点。

摘要： 本申请涉及人工智能技术领域，揭示了一种基于文档级情感倾向的情感分类方法、装置、设备及介质，其中方法包括：对目标评价文本确定句子集合；从句子集合中提取得到与评价对象对应的目标实体属性对；根据目标疑问句模板和目标实体属性对确定目标疑问句；将句子集合中的每个句子分别与目标疑问句拼接得到目标句子对集合；将目标实体属性对和目标句子对集合输入情感分类模型进行情感分类概率预测得到情感分类概率向量，情感分类模型是基于注意力机制、内部方面一致性和方面倾向性联合得到的模型；根据情感分类概率向量得到目标情感分类。采用注意力机制、内部方面一致性和方面倾向性联合建模得到的模型进行情感分类概率预测，提高情感分析的准确性。

摘要： 本发明公开一种基于用户情感倾向感知的微博文本情感极性分析方法，包括如下步骤：获取目标用户的历史微博文本集合及目标文本，并预先统计获得目标用户的历史微博文本集合中包含的各文本的情感倾向；提取目标文本的情感词并生成目标文本的文本情感信息h

摘要： 基于情感词典的短文本情感倾向分析方法，首先基于词频统计的方法构建基础情感词典；对候选词语与基础情感词典中词汇的统计相关性计算来判别它的情感倾向，从而扩充基础词典。然后在情感词典的基础上，以每条评价语句S为单位，以该语句中的每个情感词WS为分隔符，对两个分隔符之间的断句phrase(WSi-1,WSi)进行情感权值计算，然后将每个断句的权值加权求和得出S的总体情感倾向值weight(S)，判断S的情感极性，如果weight(S)大于0，则该评论属于正面评论；否则，认为S属于负向评论，从而实现对评价语句的极性分类，断句phrase(WSi-1,WSi)包含词语WSi，但是不包含词语WSi-1。

摘要： 本发明涉及融入主题特征的中越跨语言评论情感倾向性分析方法，属于自然语言处理领域。本发明包括：构建中越跨语言评论数据集；利用特征编码器和主题特征编码器对中文和越南语评论进行特征编码，之后利用选择门控机制获得评论句特征，并使用对抗学习缩小中文和越南语语义差距；最后基于中文的情感标签作为输入训练分类器，最终完成在越南语数据集上的情感分类任务。本发明通过将主题信息作为指导信息融入实现越南语评论句的情感分类，从获取到的越南语网络数据中得到情感倾向性，为把握越南民众对公共事件等对象的观点看法提供支撑。

摘要： 本申请涉及机器学习技术领域，公开一种用于情感倾向性识别的方法，包括：获取预设时间段内目标企业对应的新闻舆情文本；对新闻舆情文本进行切片处理，获得多个级联切片文本；相邻的两个级联切片文本中包括共同的字符；根据各级联切片文本获取新闻舆情文本对应的情感倾向性。通过对新闻舆情文本进行切片处理获得多个级联切片文本，由于相邻的两个级联切片文本中包括共同的字符，各级联切片文本之间具有相关性，根据各级联切片文本确定情感倾向性时，能够更好的利用新闻舆情文本中的上下文语义关系，从而提高对新闻舆情文本的情感倾向性识别的准确率。本申请还公开一种用于情感倾向性识别的装置及电子设备、存储介质。