Analyzing Sentiment in Classical Chinese Poetry笔记

本文提出了一种基于图的弱监督方法构建情感词典,并应用于中国古典诗歌的情感分析。该方法不依赖于现有的情感词典,通过假设来自同一区域的词汇项目是从相同的情感-主题对生成的,改进了传统的情感主题模型。

Abstract 

虽然情感分析近几年很热,但由于缺乏情感词典,还很少有人做关于中国古典诗歌的情感分析,本论文提出了一个基于(WPPR) 的弱监督方法构建诗歌词典。

 

Introduction 

在建立的网络中同时比较给定词语和积极和消极的情感代表词的相似度。

贡献:

  1. 提出一个基于图的构建情感词典的弱监督的不依赖于现有词典的方法。
  2. 评估了我们的情感词典的效用
  3. 假设来自同一区域的词法项目是从一个单一的情绪-主题对生成的

 

5.1 Sentiment-based Topic Distribution 

传统的LDA主题模型被广泛的应用于从文本中发现主题,近年来也被应用于发现情感于主题之间的关系。本文修改了一个链接的情感主题模型(JST),来抽取主题和积极|消极情感的联系。我们通过假设来自同一对联的词汇项是基于同样的情感-主题对生成的,来修改JST模型。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

catbird233

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值