文本情感分析

本書全面介紹了文本情感分析領域的主要研究問題，包括情感詞典自動構建，主客觀分類，篇章、句子、屬性等不同層級的情感分類，跨領域情感分類，跨語言情感分類，情緒分析理論和情緒分類，以及結合情感的文本摘要與觀點檢索研究等。同時，還對情感分析與觀點挖掘研究領域的公開資源進行了整理與歸納。本書重在對情感分析和觀點挖掘研究的主流方法和前沿進展進行概括、比較和分析，適用於該領域高校科研院所的研究參考，也可以作為企業和政府對該領域的實際應用的指導。

第1章研究背景和意義

1.1什麼是情感分析

1.2情感分析的應用

1.2.1商業領域

1.2.2文化領域

1.2.3社會管理

1.2.4信息預測

1.2.5情緒管理

1.3研究現狀簡介

1.3.1傳統情感分類方法

1.3.2短文本情感分類方法

1.3.3基於深度學習的方法

參考文獻

第2章主要研究問題

2.1情感單元抽取

2.1.1觀點持有者抽取

2.1.2評價對象抽取

2.1.3情感詞抽取

2.1.4情感詞極性判定

2.2情感分類

2.2.1主客觀分類

2.2.2正負情感分類

2.2.3跨領域情感分類

2.2.4多語言情感分類

2.3情緒分類

2.4觀點摘要

2.5觀點檢索

2.6比較觀點挖掘

2.7垃圾評論檢測

2.8情感演化分析

2.9情感與話題傳播分析

2.10結合觀點的商品推薦

參考文獻

第3章情感詞典的構建

3.1基於知識庫的方法

3.1.1詞關係擴展法

3.1.2釋義擴展法

3.2基於語料庫的方法

3.2.1基於圖模型的情感詞典構建方法

3.2.2基於短文本的情感詞典構建方法

3.3基於深度學習的方法

3.3.1詞向量模型 ^[1] 

3.3.2情感嵌入表達學習

3.3.3情感嵌入表達優化

參考文獻

第4章情感分類

4.1主客觀分類

4.1.1基於規則的方法

4.1.2基於機器學習的方法

4.2篇章級情感分類

4.2.1有監督方法

4.2.2無監督方法

4.2.3半監督方法

4.3短文本情感分類

4.3.1樹形結構的長短期記憶網絡模型

4.3.2基於多任務學習的個性化情感分類

4.4屬性級情感分類

4.4.1屬性情感聯合話題模型JAS

4.4.2基於問答模型的多屬性情感分類

參考文獻

第5章跨領域情感分類

5.1遷移學習相關研究技術

5.1.1遷移學習方法

5.1.2跨領域情感分類方法

5.2基於圖模型的跨領域情感分類

5.2.1基於圖排序的跨領域情感分類

5.2.2基於流排序的跨領域情感分類

5.3文本與詞相互促進的跨領域情感分類

5.3.1問題描述

5.3.2情感圖生成算法

5.3.3基於隨機遊走模型的跨領域情感分類算法

5.3.4實驗結果與分析

5.4基於矩陣分解的領域遷移方法

5.4.1基本原理

5.4.2圖正則化聯合矩陣分解

5.4.3優化框架

5.4.4學習算法

5.5基於深度表徵適配方法的跨領域情感分類

5.5.1非線性分佈距離度量

5.5.2領域不變深度表徵

5.5.3遷移交叉驗證

參考文獻

第6章跨語言情感分類

6.1基於雙語平行語料的方法

6.1.1引言

6.1.2搭配對齊算法

6.1.3實驗與評價

6.1.4小結

6.2基於雙語非平行語料的方法

6.2.1基於互增益標籤傳導的跨語言情感分析模型

6.2.2跨語言話題/情感模型

6.3基於目標語言語料的方法

6.3.1僅用三個種子詞的多語言情感分類方法

6.3.2基於關鍵句抽取的多語言情感分類方法

參考文獻

第7章情緒分類

7.1情緒分析理論

7.2基於詞典和規則的情緒分類方法

7.2.1基於詞典的情緒分類方法

7.2.2基於規則的情緒分類方法

7.3基於機器學習的情緒分類方法

7.3.1有監督學習情緒分類方法

7.3.2半監督學習分類方法

7.4複合層級情緒分類方法

7.5多標籤情緒分類方法

7.6總結與展望

參考文獻

第8章情感摘要

8.1研究現狀

8.2問題描述

8.3方法框架

8.4屬性觀點模型

8.4.1模型描述

8.4.2參數估計

8.5摘要抽取

8.5.1基本概念及記號

8.5.2構造流形結構

8.5.3摘要抽取

8.6實驗結果及分析

8.6.1實驗設置

8.6.2實驗結果及分析

參考文獻

第9章情感與觀點檢索

9.1觀點評分方法

9.2主題相關觀點方法

9.3結合觀點評分與主題相關性的方法

9.4面向博客信息源的檢索方法

9.4.1檢索框架

9.4.2主題觀點模型

9.4.3主題偏向模型

9.4.4實驗與分析

參考文獻

第10章情感分析資源歸納

10.1情感語料

10.2情緒語料

10.3情感詞典

參考文獻 ^[2]