您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202003-220
论文题目 基于字词混合向量的中文方面级情感分析模型
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于字词混合向量的中文方面级情感分析模型

首发时间:2020-03-19

程康鑫 1   

程康鑫(1996),男,主要研究方向:自然语言处理

王智立 1   

王智立(1975),男,副教授、硕导,主要研究方向:网络管理与通信软件

  • 1、北京邮电大学网络技术研究院,北京 100876

摘要:方面级别情感分析任务旨在从一个句子中挖掘出对给定方面的情感极性。使用注意力机制的情感分析模型在英文方面级情感分析中已经取得优秀的效果,但在中文场景中性能不够理想,主要原因是中文在语言结构上较英文更加复杂,提取中文词语的语义信息难度更大。为了更加准确的提取中文词语的语义特征,本文在现有研究的基础上,提出一个字词向量联合学习模型,并在该模型的基础上构建情感分析模型。实验结果表明,本文提出的基于字词向量联合学习的模型在中文方面级情感分析任务中与目前最好的结果可媲美。

关键词: 人工智能 情感分类 方面级 字向量 词向量

For information in English, please click here

Chinese aspect-level sentiment analysis model based on mixture vector

CHENG Kangxin 1   

程康鑫(1996),男,主要研究方向:自然语言处理

WANG Zhili 1   

王智立(1975),男,副教授、硕导,主要研究方向:网络管理与通信软件

  • 1、Beijing University of Posts and Telecommunications, Institute of network technology, 100876

Abstract:The aspect-level sentiment analysis task aims to mine the sentimental polarity of a given aspect in a sentence. The sentiment analysis model using attention mechanism has achieved excellent results in sentiment analysis at the English level, but the performance in the Chinese scene is not ideal, mainly because Chinese is more complicated in language structure than English, and it is difficult to extract semantic information of Chinese words. In order to more accurately extract the semantic features of Chinese words, based on the existing research, this paper proposes a word vector joint learning model, and builds an emotion analysis model based on the model. The experimental results show that the model based on word vector joint learning proposed in this paper is comparable to the best current results in Chinese aspect-level sentiment analysis tasks.

Keywords: aspect-level sentiment analysis character embedding word embedding

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
程康鑫,王智立. 基于字词混合向量的中文方面级情感分析模型[EB/OL]. 北京:中国科技论文在线 [2020-03-19]. http://www.paper.edu.cn/releasepaper/content/202003-220.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于字词混合向量的中文方面级情感分析模型