更新时间：2023-08-28 18:19:05
封面
版权信息
作者简介
前言
第一部分
第1章 概述
1.1 文本情感分析相关概念
1.2 文本情感分析方法
1.3 情感分析的应用
1.4 情感分析面临的困难
1.5 机遇和挑战
1.6 本章小结
参考文献
第2章 文本情感分析基础
2.1 有监督学习
2.2 无监督学习
2.3 半监督学习
2.4 词向量
2.5 卷积神经网络
2.6 循环神经网络
2.7 记忆网络
2.8 预训练模型
2.9 本章小结
第二部分
第3章 基于文本片段不一致性的讽刺检测模型
3.1 任务与术语
3.2 片段不一致性
3.3 自注意力机制
3.4 模型框架
3.5 实验设计和结果分析
3.6 应用实践
3.7 本章小结
第4章 基于常识知识的讽刺检测
4.1 任务与术语
4.2 常识知识资源
4.3 知识生成方法
4.4 知识选择方法
4.5 知识融合方法
4.6 模型框架
4.7 实验设计和结果分析
4.8 应用实践
4.9 本章小结
第5章 基于多模态数据的讽刺检测
5.1 任务与术语
5.2 模态内注意力
5.3 模态间注意力
5.4 模型框架
5.5 实验设计和结果分析
5.6 应用实践
5.7 本章小结
第三部分
第6章 基于用户建模的对话情绪分析
6.1 任务与术语
6.2 层级Transformer和Mask机制
6.3 自己-自己关系建模
6.4 自己-其他关系建模
6.5 用户关系权重选择
6.6 模型框架
6.7 应用实践
6.8 本章小结
第7章 基于过去、现在和未来的对话情绪分析
7.1 任务与术语
7.2 常识知识库
7.3 图神经网络
7.4 基于知识的情绪预测
7.5 对话上下文交互图构建
7.6 模型框架
7.7 应用实践
7.8 本章小结
第8章 基于平衡特征空间的不平衡情绪分析
8.1 情绪分析中的不平衡问题
8.2 基于重采样的平衡策略
8.3 基于重权重化的平衡策略
8.4 基于数据增强的平衡策略
8.5 Focal损失函数
8.6 自我调整的Dice损失函数
8.7 中心损失函数
8.8 三元组中心损失函数
8.9 最大马氏分布中心
8.10 特征空间平衡损失函数
8.11 应用实践
8.12 本章小结
第四部分
第9章 基于语义-情绪知识的跨目标立场检测
9.1 任务描述
9.2 立场检测基础模型
9.3 语义知识和情绪知识
9.4 模型框架
9.5 语义-情绪图建模
9.6 知识增强的BiLSTM网络
9.7 立场检测分类器
9.8 模型应用
9.9 本章小结
