文本細粒度情感分析

目 錄
第1章 引言 1
1.1 研究背景與意義 1
1.1.1 情感分析概述 1
1.1.2 細粒度情感分析的必要性 3
1.1.3 細粒度情感分析的應用 4
1.2 細粒度情感分析的研究內容 6
1.2.1 細粒度情感分析的核心要素 6
1.2.2 評價對象細粒度化 8
1.2.3 情感類別細粒度化 11
1.2.4 細粒度情感分析的主要任務 14
1.3 細粒度情感分析方法 17
1.3.1 基於情感詞典的方法 18
1.3.2 基於機器學習的方法 19
1.3.3 基於深度學習的方法 20
1.3.4 基於預訓練和微調的方法 21
1.3.5 多任務聯合情感分析方法 24
1.4 細粒度情感分析的研究現狀 26
1.4.1 方面術語提取 26
1.4.2 方面情感分類 28
1.4.3 觀點術語抽取 30
1.4.4 關聯目標的方面級情感分析 30
1.4.5 對話情緒識別 33
1.5 細粒度情感分析面臨的挑戰 34
1.6 本章小結 37
第2章 情感分析技術 38
2.1 文本分類方法 38
2.1.1 有監督學習 38
2.1.2 無監督學習 39
2.1.3 半監督學習 40
2.1.4 自監督學習 41
2.1.5 對比學習 41
2.2 文本表示方法 43
2.2.1 離散表示方法 43
2.2.2 分布式表示方法 46
2.3 深度學習神經網絡 54
2.3.1 循環神經網絡 55
2.3.2 長短時記憶網絡 59
2.3.3 門控循環單元 61
2.3.4 卷積神經網絡 62
2.3.5 圖卷積神經網絡 66
2.3.6 註意力機制 69
2.3.7 Transformer 71
2.4 預訓練語言模型 74
2.4.1 CoVe 75
2.4.2 ELMo 76
2.4.3 GPT 78
2.4.4 BERT 80
2.4.5 RoBERTa 82
2.4.6 BART 82
2.5 特征增強方法 83
2.5.1 詞性標註 84
2.5.2 句法依存樹 85
2.5.3 知識圖譜 86
2.5.4 常識知識庫 89
2.6 主要評估指標 91
2.6.1 混淆矩陣 91
2.6.2 準確率 93
2.6.3 精確率 93
2.6.4 召回率 94
2.6.5 F1分數 94
2.7 模型優化 97
2.7.1 損失函數 97
2.7.2 正則化 99
2.7.3 模型優化過程 100
2.7.4 模型優化策略 100
2.8 本章小結 101
第3章 方面術語提取 103
3.1 引言 103
3.2 SoftProto框架 104
3.3 SSDR模型 105
3.3.1 數據預處理 105
3.3.2 雙通道特征提取 108
3.3.3 特征融合 109
3.3.4 標簽預測 110
3.3.5 模型優化 111
3.4 模型驗證與分析 111
3.4.1 數據集 111
3.4.2 實施細節 111
3.4.3 對比方法 112
3.4.4 模型性能分析 113
3.4.5 模型有效性分析 114
3.4.6 超參數分析 116
3.4.7 誤差分析 117
3.5 本章小結 118
第4章 方面情感分類 119
4.1 多粒度語義增強的方面情感分類 119
4.1.1 引言 119
4.1.2 RCNN-HLSTM模型 120
4.1.3 GRCNN-HBLSTM模型 121
4.1.4 模型驗證與分析 127
4.1.5 小結 130
4.2 依存關系權重增強的方面情感分類 131
4.2.1 引言 131
4.2.2 ASGCN模型 132
4.2.3 AW-IGCN模型 133
4.2.4 模型驗證與分析 137
4.2.5 小結 141
4.3 增強句法圖卷積的方面情感分類 141
4.3.1 引言 141
4.3.2 CDT模型 142
4.3.3 PCB-GCN模型 143
4.3.4 模型驗證與分析 147
4.3.5 小結 151
4.4 多級特征融合的方面情感分類 151
4.4.1 引言 151
4.4.2 RepWalk模型 152
4.4.3 SFEM模型 153
4.4.4 模型驗證與分析 159
4.4.5 小結 165
4.5 基於提示微調的方面級情感分類 165
4.5.1 引言 165
4.5.2 C3DA模型 166
4.5.3 PSAN模型 167
4.5.4 模型驗證與分析 174
4.5.5 小結 180
4.6 本章小結 181
第5章 關聯目標的方面級情感分析 182
5.1 引言 182
5.2 基於上下文的關聯目標情感分類 183
5.2.1 引言 183
5.2.2 MATT-CNN模型 184
5.2.3 GC-HLSTM模型 185
5.2.4 模型驗證與分析 190
5.2.5 小結 195
5.3 基於預訓練的關聯目標的方面級情感分析 195
5.3.1 引言 195
5.3.2 BERT-Transfer模型 196
5.3.3 SRC-TBERT模型 197
5.3.4 模型驗證與分析 201
5.3.5 小結 206
5.4 本章小結 206
第6章 多元協作的方面術語提取 207
6.1 引言 207
6.2 多關系感知模型 209
6.2.1 RACL模型 209
6.2.2 MRCL模型 210
6.2.3 模型驗證與分析 217
6.2.4 小結 224
6.3 基於特征增強的多任務聯合模型 224
6.3.1 LCF-ATEPC模型 224
6.3.2 SPEAL模型 226
6.3.3 模型驗證與分析 233
6.3.4 小結 238
6.4 本章小結 239
第7章 對話情緒識別 240
7.1 引言 240
7.2 基於文本的對話情緒識別 241
7.2.1 DialogueCRN模型 242
7.2.2 S/C-RGCN模型 243
7.2.3 模型驗證與分析 247
7.2.4 小結 253
7.3 基於多模態的對話情緒識別 253
7.3.1 引言 253
7.3.2 多模態ERC任務定義 254
7.3.3 MMGCN模型 255
7.3.4 MMTr模型 256
7.3.5 模型驗證與分析 260
7.3.6 小結 268
7.4 外部知識增強的多模態對話情緒識別 268
7.4.1 引言 268
7.4.2 COSMIC模型 270
7.4.3 MKIN-MCL模型 271
7.4.4 模型驗證與分析 279
7.4.5 小結 287
7.5 本章小結 288
第8章 情感資源歸納 290
8.1 文本分類數據集 290
8.2 實體識別數據集 291
8.3 細粒度情感分析數據集 292
8.3.1 方面級情感分析數據集 292
8.3.2 對話情緒識別數據集 295
8.4 NLP工具 297
參考文獻 299