负面情感

摘要： 在电商无限发展的今天,面对着庞大、不规则的网络评论文本数据,如何从中寻找出对企业制作销售决策有用的信息,已成为当下各大商家的关注热点。本文就这一问题展开讨论,试图挖掘出对支撑车企制定或改善销售决策有重要作用的信息。论文主要引用BERT模型并计算相关指标值,同时利用ROST CM6软件对负面情感文本进行社会网络和语义网络分析。结果表明,超过半数购车车主对轩逸汽车的态度明显持积极情感。

摘要： [研究目的]针对智媒时代网络舆情呈现出的多变性、聚焦性、盲从性等特点,以及谣言泛滥、网络对峙、集群效应等舆情极化现象,开展新的网络舆论生态结构下舆情演化规律和引导策略相关研究,以期为决策者科学制定舆情应对方案提供参考依据。[研究方法]选取2016—2021年间36起社会民生舆情典型案例,运用计算传播研究方法,进行舆情演化机制的定性比较分析,构建负面情感引导模型,开展“时度效”仿真分析,提出以网民实际需求为导向的分众化舆情引导策略。[研究结论]研究发现,社会民生事件在多参与主体交互作用下,有较明显的网络发酵过程;公众有较强情感诉求,媒体和意见领袖参与数量多,能够引发共情心理,共同构成引致此类舆情事件的内在机制;舆论引导实践中,应采取“先度后时”原则,以疏解网民情感为核心,采取针对性引导策略,真正做到合时、适度、有效。

摘要： 构式"越走越远"本身具有的[+无界]性认知特征,在语义和谐律的作用下,无论构式内部的动词或形容词还是构式外部关键位置上的形容词,在语义上都应该具备[+无界]性认知特征,否则整个句子在认知语义和语感上就会不和谐.基于大规模语料库的实际用法,利用描写性的计量分析得出"越走越远"多用于负面情感语境之中,具有消极语义韵,这为正确使用"越走越远"提供了事实和理论依据.另外,负面情感(消极语义韵)是否具有[+无界]性认知语义特征,也是值得进一步思考的问题.

摘要： 构式“越走越远”本身具有的[+无界]性认知特征,在语义和谐律的作用下,无论构式内部的动词或形容词还是构式外部关键位置上的形容词,在语义上都应该具备[+无界]性认知特征,否则整个句子在认知语义和语感上就会不和谐。基于大规模语料库的实际用法,利用描写性的计量分析得出“越走越远”多用于负面情感语境之中,具有消极语义韵,这为正确使用“越走越远”提供了事实和理论依据。另外,负面情感(消极语义韵)是否具有[+无界]性认知语义特征,也是值得进一步思考的问题。

摘要： [目的]探索结合网络舆情文本的语义特征和依存结构信息进行网民负面情感分析研究.[方法]提出基于图卷积神经网络和依存句法分析的网民负面情感分析模型.模型结合双向长短期记忆网络和自注意力机制抽取文本特征作为依存句法图中的节点特征,应用图卷积神经网络对生成的节点特征和依存句法图对应的邻接矩阵进行训练学习,输出负面情感类别(愤怒、厌恶、恐惧和悲伤).[结果]结合新冠疫情等网络舆情数据进行实证研究,并与相关基线模型作比较.实验结果表明,所提模型具有一定的优越性,在"恐惧"这一情感类别中,识别准确率达到93.535％.[局限]所提模型仅在网络舆情数据集中进行测试,未在公开数据集中进一步验证.[结论]依存句法结构信息的加入以及图卷积神经网络和注意力机制的应用能够有效提升模型的负面情感分析能力.

摘要： 【目的】探索结合网络舆情文本的语义特征和依存结构信息进行网民负面情感分析研究。【方法】提出基于图卷积神经网络和依存句法分析的网民负面情感分析模型。模型结合双向长短期记忆网络和自注意力机制抽取文本特征作为依存句法图中的节点特征,应用图卷积神经网络对生成的节点特征和依存句法图对应的邻接矩阵进行训练学习,输出负面情感类别(愤怒、厌恶、恐惧和悲伤)。【结果】结合新冠疫情等网络舆情数据进行实证研究,并与相关基线模型作比较。实验结果表明,所提模型具有一定的优越性,在"恐惧"这一情感类别中,识别准确率达到93.535%。【局限】所提模型仅在网络舆情数据集中进行测试,未在公开数据集中进一步验证。【结论】依存句法结构信息的加入以及图卷积神经网络和注意力机制的应用能够有效提升模型的负面情感分析能力。

摘要： 它们之所以是深刻的情感冲突,通常源于童年或者早期生活的经验和记忆,挫败与创伤,所以当这些负面情感随着我们的成长被砥磨、压制,我们会发现自己越来越难以在家庭成员彼此之间展开平静且适当的讨论。在前一期专栏文章中,我们讲述了古森一家的故事。父亲维克多·古森30多年前创办了公司,并带领公司成为行业领导者,妻子萨宾娜也在公司任职,他们的两个孩子:33岁的大女儿奥赫利和30岁的小儿子卢卡斯。奥赫利大学毕业后进了其它企业,已经工作10年。奥赫利已经结婚,有一个5岁的女儿。

摘要： 以电子商务平台为背景,通过对使用过或正在使用京东或天猫的消费者进行问卷调查,探讨品牌规避的影响机理.结果表明:用户体验对品牌规避影响显著.负面情感、感知背叛在用户体验和品牌规避之间发挥部分中介作用.由此给出电商平台优化用户消费体验、关注用户情绪表达等建议.

摘要： 新课标提出,心态、兴趣以及动机等情感态度是学生对学习产生兴趣,从而进行有效学习的重要因素;另外还明确指出,加强培养学生积极的情感态度,是帮助学生缓解压抑、焦虑以及学习动力减弱等负面情感的重要手段。因此,初中英语教师在教学过程中应擅于培养学生积极的情感态度,以增强学生学习的积极性和主观能动性,促使学生英语水平不断提升。以下对通过培养学生积极的情感态度来提升英语课堂教学效率的有效策略进行了分析。

摘要： 叙事医学是医学与叙事学相结合的产物,是一种关注人的医学实践。叙事是对于一个时间序列中真实或虚构的事件与状态的讲述,叙事学研究的是叙事的形式与功能。叙事医学关注的焦点是:人与人之间的关联性、一人对另一人的共情以及医患都会经历的情感,特别是负面情感。医务工作者在叙事的过程中,要通过关注-再现-归属的思维方式发现患者背后的故事。在了解患者的内心世界或对疾病感受时,适当运用叙事医学的方法,能起到更好的效果。

摘要： 在线学习中课程评论是学生最直接的反馈形式,也是研究学习行为的主要数据来源.通过情感分析技术检测学生课程评论的情感极性,并抽取负面情感样本集,运用LDA主题模型对其进行话题识别,可以了解学生在学习过程中存在的潜在问题,进而采取相应措施来规避此类问题.

摘要： 频繁发生的产品伤害危机事件不仅对顾客造成心理和生理上的伤害，也给企业及政府带来巨大挑战。该研究运用准实验室法，选取手机、化妆品、饮料三大行业的代表性品牌进行事件刺激，解释了产品伤害危机对消费者抵制意愿的影响机制。结果表明：产品伤害危机程度影响消费者抵制意愿，负面情感具有中介作用；危机严重程度越高，消费者的负面情感越强烈，消费者产生抵制行为的可能性也越高；行业类型具有调节作用，消费者对食品行业的抵制意愿高于其它行业。

摘要： 本发明公开了一种负面情绪检测中的基于上下文修正的语音情感识别方法，属于语音信号处理领域。本发明首先采集情感数据，并对其中的每一条语音进行特征提取，并且运用主分量分析的降维技术降低特征的维数，而后采用基于高斯混合模型的两类分类器分别对四类情感进行判别，得到当前时刻的情感矢量，最后根据前一时刻的情感矢量和当前的认知作业成绩来修正当前时刻的情感矢量，从而得到最终的语音情感识别结果。本发明可以有效的提高单纯采用高斯混合分类器的语音情感识别方法的识别性能，有效地检测认知过程相关的负面情绪状态。特别是在航天航海等特殊工作环境下，对检测和调节工作人员的负面情绪具有重要的应用价值。

摘要： 本发明公开了基于维度情感模型的群体情感识别与异常情感检测方法，涉及智能情感识别技术领域，基于认知心理学PAD三维情感模型，通过数据搜集和人工标注，创建群体情感的视频数据集，揭示了六种典型情感在PAD空间中的位置关系；创建基于群体行为的情感预测模型，将群体运动特征映射为PAD空间中的三维坐标；构建异常情感分类器，当检测到愤怒和恐惧这两种异常情感，则判定场景产生了异常状态。针对群体运动视频，本申请既能够准确表达群体情感的连续变化状态，还可以实现对全局异常状态的有效识别。

摘要： 本发明涉及到情感分析领域，提出了一种基于语义、情感惯性和情感共性的对话情感分析方法，步骤包括：首先获取对话交替进行的多轮对话数据，并对不同人物角色进行标明；然后对多轮对话中的每条对话信息进行时序建模，提取出其中对应的语义信息表达序列；最后基于多轮对话所提取的语义信息表达序列，分离出对应的情感状态表达序列，并进行情感识别。在本发明中，打破了传统的以语义信息决定情感分类的做法，提出了由语义状态与情感状态分离的方法，由情感状态决定情感分类，从心理学的角度改进了现有对话情感分析方法，提升了情感识别的效果。

摘要： 本发明公开了一种基于情感计算与多头注意力机制的负面新闻识别方法，涉及网络舆情监测技术领域，解决的技术问题是如何解决客观性负面新闻难以识别的问题，包括如下具体步骤：(1)对网络新闻文本数据进行采集和预处理；(2)建立并扩充负向情感种子词库并进行感倾向度计算；(3)进行向量化表示，确定判别模型的输入；(4)建立负面新闻判别模型；(5)进行负面新闻识别。本发明有效地克服了对负面新闻难以识别的问题，在负面新闻文本的识别正确率及有效性上都取得了良好的效果。

摘要： 本发明公开了一种负面情绪检测中的基于上下文修正的语音情感识别方法，属于语音信号处理领域。本发明首先采集情感数据，并对其中的每一条语音进行特征提取，并且运用主分量分析的降维技术降低特征的维数，而后采用基于高斯混合模型的两类分类器分别对四类情感进行判别，得到当前时刻的情感矢量，最后根据前一时刻的情感矢量和当前的认知作业成绩来修正当前时刻的情感矢量，从而得到最终的语音情感识别结果。本发明可以有效的提高单纯采用高斯混合分类器的语音情感识别方法的识别性能，有效地检测认知过程相关的负面情绪状态。特别是在航天航海等特殊工作环境下，对检测和调节工作人员的负面情绪具有重要的应用价值。

摘要： 本发明提供一种情感识别方法、情感识别设备及情感识别系统。其中，情感识别方法包括以下步骤：获取三维传感器阵列服装采集的用户的当前肌肉应力信号数据；将当前肌肉应力信号数据输入至已训练好的多元情感分类模型，获得多元情感分类模型输出的情感识别结果。本发明通过采用三维传感器阵列服装采集人体表达情感时当前肌肉应力信号数据，将其输入已训练好的多元情感分类模型中，多元情感分类模型通过肌肉应力信号数据输出其对应的情感识别结果。通过三维传感器阵列服装采集人体表达情感时的动作数据，可以确保高质量捕获肌肉应力信号数据，并根据动作与情感状态之间的关系，可以更准确地识别人体的情感表达，提高了情感识别的准确性。

摘要： 本发明涉及一种正负面情感分析方法、终端设备及存储介质，该方法中包括：S1：构建和维护对应不同行业的行业关键词规则和行业情感词典；S2：判断待分析的文本数据中是否包含行业关键词规则中所包含的关键词，如果包含，进入S3；否则，进入S4；S3：根据关键词所属的行业和行业所对应的行业关键词规则，判断该文本数据所属的所有行业后，根据每个行业对应的行业情感词典计算每个行业的情感得分，进而获得该文本数据的情感正负面分析结果；S4：通过训练后的机器学习模型得到该文本数据的情感正负面分析结果。本发明采用基于行业情感词与机器学习模型融合的情感分析方法，将网络文本分而治之，提高分析效果。

摘要： 本发明涉及一种正负面情感分析方法、终端设备及存储介质，该方法中包括：S1：构建和维护对应不同行业的行业关键词规则和行业情感词典；S2：判断待分析的文本数据中是否包含行业关键词规则中所包含的关键词，如果包含，进入S3；否则，进入S4；S3：根据关键词所属的行业和行业所对应的行业关键词规则，判断该文本数据所属的所有行业后，根据每个行业对应的行业情感词典计算每个行业的情感得分，进而获得该文本数据的情感正负面分析结果；S4：通过训练后的机器学习模型得到该文本数据的情感正负面分析结果。本发明采用基于行业情感词与机器学习模型融合的情感分析方法，将网络文本分而治之，提高分析效果。

摘要： 本发明公开了一种资讯正负面情感分析方法与装置和计算机设备及存储介质，方法包括：获取大规模语料训练而成的词向量矩阵并生成词索引，通过嵌入层将词索引输出作为CNN‑BiLSTM网络的输入；引入注意力模型至CNN‑BiLSTM网络；利用全连接层进行特征分类得到目标句子的目标向量；利用softmax分类器对全连接层进行特征分类的结果进行情感分析得到情感分析结果。本方案可以批量且准确的识别资讯信息中正负面情感，实现舆论分析，方便知晓舆论态势，能够有效的帮助使用者对资讯信息的多维度分类，解决了针对长文本的资讯类信息不依靠大量人工参与并且可以精准捕捉资讯的主体信息和局部信息的同时判断该资讯的情感走向的问题。

摘要： 本发明公开了一种基于bilstm及attention的人机交互负面情感分析方法，包括以下步骤：A.采集数据并处理及构建负面情感词典、停用词典；B.对采集的数据进行分词及Word2vec词向量训练；C.构建双向长短时记忆网络bilstm，获取word2vec词向量并输入bilstm进行上下文特征提取；D.attention层权重调整；包括在bilstm网络加入注意力机制Attention，通过注意力机制的使用对句子中不同特征分配权重，并对于句子中倾向于用户情感的特征信息进行关注；E.情感分类结果输出。本发明的方法可对关键信息的权重进行调整，提高情感分析识别率，最终提高人机交互体验。