声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：王耀琦, 万中英, 曾雪强, 左家莉
单位：江西师范大学 计算机信息工程学院, 南昌 330022
关键词：情感分布标签增强,情感分布学习,VAD情绪空间,情感词典
基金：国家自然科学基金地区科学基金项目（62266021）；江西省教育厅科学技术研究项目（GJJ2200330）
情感分布学习（emotion distribution learning， EDL）采用情感分布记录给定样本在各个情绪上的表达程度， 在处理具有模糊性的多标签情绪分析任务时具有明显优势。情感分布标签增强技术将已标注的情绪单标签增强为情感分布， 可以解决EDL缺乏已标注情感分布的实验数据集的问题。然而， 已有的情感分布标签增强方法采用离散空间情绪模型表示情绪， 存在情绪间的相关信息丢失和情绪表达不连续等问题。针对上述问题， 该文引入基于连续维度的效价-唤醒-支配（valence-arousal-dominance， VAD）心理学情绪模型， 提出融合VAD情绪知识的文本情感分布标签增强方法（VAD emotion knowledge-based text emotion distribution label enhancement， VADLE）。VADLE方法基于先验的VAD情绪模型中的情绪距离， 先为英文句子的真实情绪标签和句中情感词的情绪标签分别生成先验情感分布， 再通过分布叠加将2种先验情感分布统一。通过英文单标签文本情感数据集的对比实验表明：VADLE方法在情绪预测任务方面的性能优于已有的情感分布标签增强方法。
来源：2024年第5期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。