公共文化服务平台

吴琼: 作品数：11 被引量：35H指数：3; 供职机构：中国科学院计算技术研究所更多>>; 发文基金：国家自然科学基金国家重点基础研究发展计划国家高技术研究发展计划更多>>; 相关领域：自动化与计算机技术理学更多>>

合作作者

一种跨领域文本情感倾向性分析方法: 本发明提供一种跨领域文本情感倾向性分析方法，包括下列步骤：1)确定源领域和目标领域中文本与词的初始情感分；2)根据测试文本集和测试词集分别与所有词集和所有文本集的关系建立测试文本集D<Sup>U</Sup>与测试词集W<...; 吴琼谭松波段洣毅程学旗

一种跨领域文本情感倾向性分析方法: 本发明提供一种跨领域文本情感倾向性分析方法，包括下列步骤：1)确定源领域和目标领域中文本与词的初始情感分；2)根据测试文本集和测试词集分别与所有词集和所有文本集的关系建立测试文本集D<Sup>U</Sup>与测试词集W<...; 吴琼谭松波段洣毅程学旗; 文献传递

面向跨领域情感分类的统一框架被引量：10: 2013年; 文本的情感分类问题,即判断文本中的论断是持支持态度还是反对态度.已有的研究表明,监督分类方法对情感分类很有效.但是多数情况下,已有的标注数据与待判断情感类别的数据不属于同一个领域,此时监督分类算法的性能明显下降,由此产生的即为跨领域情感分类问题.为解决此问题,提出一个统一框架,分多阶段进行跨领域情感分类:首先利用训练域文本的准确标签来得到测试域文本的初始标签;然后将测试域建成一个加权网络,将一些较准确的测试文本作为"源点"和"汇点",进一步利用热传导思想迭代进行跨领域情感分类.实验结果表明,此方法能大幅度提高跨领域情感分类的精度.; 吴琼刘悦沈华伟张瑾许洪波程学旗; 关键词：情感分类

基于随机游走模型的跨领域倾向性分析研究被引量：11: 2010年; 近年来,研究者们已经在跨领域倾向性分析方面取得了一些进展.然而,现有的方法和系统往往只根据已标注文本或者已标注情感词对目标领域文本进行倾向性分析,却缺乏一个统一的模型框架将文本与情感词之间全部知识进行有机的融合.提出了一种基于随机游走模型的跨领域倾向性分析方法,该模型能够同时利用源领域和目标领域文本与词之间的所有关系来对文本与词进行互相增强,旨在将文本之间的关系、词之间的关系、文本与词之间的相互关系集成到一个完整的理论框架中.实验结果表明,提出的算法能大幅度提高跨领域倾向性分析的精度.; 吴琼谭松波许洪波段洣毅程学旗; 关键词：中文信息处理随机游走图模型

面向在线顾客点评的属性依赖情感知识学习被引量：1: 2015年; 该文研究属性依赖情感知识学习。首先提出了一个新颖的话题模型,属性观点联合模型(Joint Aspect/Opinion model,JAO),来同时抽取评论实体属性及属性相关观点词信息。在此基础上,对于各个属性,构造属性依赖的词关系图,并在该图上应用马尔科夫随机行走过程来计算观点词到少量褒、贬种子词的游走时间(Hitting Time),进而估计这些词的属性依赖的情感极性分值。在餐馆点评数据上的实验表明所提出的方法能有效抽取属性相关观点词,同时有效估计其属性依赖的情感极性分值。; 徐学可谭松波刘悦程学旗吴琼

基于语法依存图的中文微博细粒度情感分类被引量：3: 2023年; 情感分析能从用户言论中快速准确地挖掘用户的情感倾向,有着极大的应用市场。针对微博语言语法结构复杂多样的特性,提出了一种基于语法依存结构的图卷积神经网络(SGCN)模型对中文微博进行细粒度的情感分类。所提模型兼具结构表达和语义表达丰富的特点:基于词语间的依赖关系构建文本图,并通过点互信息(PMI)量化词语间的相关程度,作为相应边的权重以充分表现句子的结构信息;将融合位置信息的语义特征作为节点的初始特征,增加文本图中点的语义特征。为了验证所提模型的性能,在SMP2020(Social Media Processing 2020)微博情感分类数据集上,对两组包含开心、悲伤、愤怒、恐惧、惊讶和无情绪的6类微博情感数据进行了分析。实验结果表明,所提模型的平均F1分数可达到72.64%,相较于BERT(Bidirectional Encoder Representations from Transformers)词向量特征图卷积网络(BGCN)模型和文本级图神经网络(Text-Level-GNN)模型分别提高了2.75和3.87个百分点,验证了所提模型能更有效地利用句子的结构信息,提升模型的分类性能。; 方澄李贝韩萍吴琼; 关键词：情感分析

文本情感倾向性分析方法: 本发明提供一种文本情感倾向性分析方法，包括下列步骤：1)根据训练文本的标签确定测试文本的初始情感分；2)基于图排序算法利用所述测试文本的初始情感分迭代计算所述测试文本的情感分并进行归一化；3)当所述迭代结束时，根据所述计...; 吴琼谭松波程学旗; 文献传递

基于图排序模型的跨领域倾向性分析算法: 倾向性分析因其重要性而受到广泛关注。通常,监督分类方法对倾向性分析很有效。但是,当训练域与测试域不在同一个领域时,这些算法的性能明显下降。本文提出一个算法,将文本的情感倾向性与图排序算法结合起来进行跨领域倾向性分析。本算...; 吴琼谭松波张刚段洣毅程学旗; 文献传递

文本情感倾向性分析方法: 本发明提供一种文本情感倾向性分析方法，包括下列步骤：1)根据训练文本的标签确定测试文本的初始情感分；2)基于图排序算法利用所述测试文本的初始情感分迭代计算所述测试文本的情感分并进行归一化；3)当所述迭代结束时，根据所述计...; 吴琼谭松波程学旗; 文献传递

适用于运动捕捉的虚拟人驱动显示的研究被引量：1: 2009年; 本文在分析了各种虚拟人模型的基础上,提出一种与被测试者匹配的八面体模型并对其进行驱动显示,详细说明了该模型的计算方法及驱动过程并给出了实现结果。最终结果表明,该模型及驱动方法具有很高的实时性,避免因被测试者与虚拟人规格不一致而导致的虚拟人运动异常问题,是一种实用的虚拟人驱动显示方法。; 康名彦吴琼; 关键词：虚拟人