基于OCC模型和贝叶斯网络的情绪句分类方法

被引：17

作者：

徐源音 ^{[1
]}

柴玉梅 ^{[1
]}

王黎明 ^{[1
]}

刘箴 ^{[2
]}

机构：

[1] 郑州大学信息工程学院

[2] 宁波大学信息科学与工程学院

来源：

计算机科学 | 2020年 / 47卷 / 03期

关键词：

情绪分析; OCC模型; 贝叶斯网络; 情绪句分类;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP181 [自动推理、机器学习];

学科分类号：

120506 [数字人文]; 140502 [人工智能];

摘要：

情绪句分类是情绪分析研究领域的核心问题之一,旨在解决情绪句类别的自动判断问题。传统基于情绪认知模型(OCC模型)的情绪句分类方法大多依赖词典和规则,在文本信息缺失的情况下分类精度不高。文中提出基于OCC模型和贝叶斯网络的情绪句分类方法,通过分析OCC模型的情绪生成规则,提取情绪评估变量并结合情绪句中含有的表情符号特征构建情绪分类贝叶斯网络;通过概率推理,可以实现句子级文本的情绪分类,并减小句中信息缺失所带来的影响。与NLPCC2014中文微博情绪分析评测的子任务情绪句分类评测结果的对比表明,所提方法具有有效性。

引用

页码：222 / 230

页数：9

共 4 条

[1]

Sentence-Level Emotion and Valence Tagging [J].