情感分析进阶
作者: 林政，刘正宵，李江楠著18.37万字75人 正在读
已完结现代当代当代文学
目录 (242章)
倒序
正文
001 概述-1.1 文本情感分析相关概念002 概述-1.2 文本情感分析方法003 .2.1 基于知识库的方法004 .2.2 基于机器学习的方法005 .2.3 基于深度学习的方法006 概述-1.3 情感分析的应用007 .3.1 商业领域008 .3.2 文化领域009 .3.3 社会管理010 .3.4 信息预测011 .3.5 情绪管理012 .3.6 智能客服013 概述-1.4 情感分析面临的困难014 概述-1.5 机遇和挑战015 概述-1.6 本章小结016 概述-参考文献(1)017 概述-参考文献(2)018 文本情感分析基础-2.1 有监督学习019 文本情感分析基础-2.2 无监督学习020 文本情感分析基础-2.3 半监督学习021 文本情感分析基础-2.4 词向量022 .4.1 词向量表示的演化过程023 .4.2 词嵌入方法024 文本情感分析基础-2.5 卷积神经网络025 .5.1 卷积层026 .5.2 激活函数层027 .5.3 池化层028 .5.4 全连接层029 文本情感分析基础-2.6 循环神经网络030 文本情感分析基础-2.7 记忆网络031 文本情感分析基础-2.8 预训练模型032 .8.1 模型结构033 .8.2 预训练任务034 文本情感分析基础-2.9 本章小结035 文本情感分析基础-参考文献036 基于文本片段不一致性的讽刺检测模型-3.1 任务与术语037 基于文本片段不一致性的讽刺检测模型-3.2 片段不一致性038 基于文本片段不一致性的讽刺检测模型-3.3 自注意力机制039 .4.1 总体框架040 .4.2 输入模块041 .4.3 卷积模块042 .4.4 重要性权重模块043 .4.5 注意力机制模块044 .4.6 输出模块045 .4.7 训练目标046 基于文本片段不一致性的讽刺检测模型-3.5 实验设计和结果分析047 .5.1 数据集介绍048 .5.2 实验环境和设置049 .5.3 基线模型050 .5.4 对比实验结果051 .5.5 消融实验结果052 .5.6 模型分析053 基于文本片段不一致性的讽刺检测模型-3.6 应用实践054 基于文本片段不一致性的讽刺检测模型-3.7 本章小结055 基于文本片段不一致性的讽刺检测模型-参考文献056 基于常识知识的讽刺检测-4.1 任务与术语057 基于常识知识的讽刺检测-4.2 常识知识资源058 基于常识知识的讽刺检测-4.3 知识生成方法059 基于常识知识的讽刺检测-4.4 知识选择方法060 基于常识知识的讽刺检测-4.5 知识融合方法061 基于常识知识的讽刺检测-4.6 模型框架062 .7.1 数据集介绍063 .7.2 实验环境和设置064 .7.3 基线模型065 .7.4 对比实验结果066 .7.5 消融实验结果067 .7.6 模型分析068 基于常识知识的讽刺检测-4.8 应用实践069 基于常识知识的讽刺检测-4.9 本章小结070 基于常识知识的讽刺检测-参考文献071 基于多模态数据的讽刺检测-5.1 任务与术语072 基于多模态数据的讽刺检测-5.2 模态内注意力073 基于多模态数据的讽刺检测-5.3 模态间注意力074 基于多模态数据的讽刺检测-5.4 模型框架075 .5.1 数据集介绍076 .5.2 实验环境和设置077 .5.3 基线模型078 .5.4 对比实验结果079 .5.5 消融实验结果080 .5.6 模型分析081 基于多模态数据的讽刺检测-5.6 应用实践082 基于多模态数据的讽刺检测-5.7 本章小结083 基于多模态数据的讽刺检测-参考文献084 基于用户建模的对话情绪分析085 基于用户建模的对话情绪分析-6.1 任务与术语086 基于用户建模的对话情绪分析-6.2 层级Transformer和Mask机制087 基于用户建模的对话情绪分析-6.3 自己-自己关系建模088 基于用户建模的对话情绪分析-6.4 自己-其他关系建模089 基于用户建模的对话情绪分析-6.5 用户关系权重选择090 基于用户建模的对话情绪分析-6.6 模型框架091 .7.1 常用数据集092 .7.2 其他对话用户关系建模模型093 .7.3 实验结果094 基于用户建模的对话情绪分析-6.8 本章小结095 基于用户建模的对话情绪分析-参考文献(1)096 基于用户建模的对话情绪分析-参考文献(2)097 基于用户建模的对话情绪分析-参考文献(3)098 基于过去、现在和未来的对话情绪分析099 基于过去、现在和未来的对话情绪分析-7.1 任务与术语100 基于过去、现在和未来的对话情绪分析-7.2 常识知识库101 .2.1 ATOMIC常识知识库102 .2.2 COMET知识生成模型103 .2.3 COMET-ATOMIC2020知识生成模型104 基于过去、现在和未来的对话情绪分析-7.3 图神经网络105 基于过去、现在和未来的对话情绪分析-7.4 基于知识的情绪预测106 .4.1 知识增强的Transformer107 .4.2 COSMIC情绪预测模型108 基于过去、现在和未来的对话情绪分析-7.5 对话上下文交互图构建109 基于过去、现在和未来的对话情绪分析-7.6 模型框架110 基于过去、现在和未来的对话情绪分析-7.7 应用实践111 基于过去、现在和未来的对话情绪分析-7.8 本章小结112 基于过去、现在和未来的对话情绪分析-参考文献113 基于平衡特征空间的不平衡情绪分析114 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115 基于平衡特征空间的不平衡情绪分析-8.2 基于重采样的平衡策略116 基于平衡特征空间的不平衡情绪分析-8.3 基于重权重化的平衡策略117 .3.1 类别平衡损失函数118 .3.2 标签分布感知的间隔损失函数119 基于平衡特征空间的不平衡情绪分析-8.4 基于数据增强的平衡策略120 .4.1 计算机视觉中的基于数据增强的平衡策略121 .4.2 自然语言处理中的数据增强方法122 基于平衡特征空间的不平衡情绪分析-8.5 Focal损失函数123 基于平衡特征空间的不平衡情绪分析-8.6 自我调整的Dice损失函数124 基于平衡特征空间的不平衡情绪分析-8.7 中心损失函数125 基于平衡特征空间的不平衡情绪分析-8.8 三元组中心损失函数126 基于平衡特征空间的不平衡情绪分析-8.9 最大马氏分布中心127 基于平衡特征空间的不平衡情绪分析-8.10 特征空间平衡损失函数128 基于平衡特征空间的不平衡情绪分析-8.11 应用实践129 .11.1 代码实现130 .11.2 实验性能131 基于平衡特征空间的不平衡情绪分析-8.12 本章小结132 基于平衡特征空间的不平衡情绪分析-参考文献(1)133 基于平衡特征空间的不平衡情绪分析-参考文献(2)134 基于平衡特征空间的不平衡情绪分析-参考文献(3)135 基于语义-情绪知识的跨目标立场检测136 基于语义-情绪知识的跨目标立场检测-9.1 任务描述137 基于语义-情绪知识的跨目标立场检测-9.2 立场检测基础模型138 基于语义-情绪知识的跨目标立场检测-9.3 语义知识和情绪知识139 基于语义-情绪知识的跨目标立场检测-9.4 模型框架140 基于语义-情绪知识的跨目标立场检测-9.5 语义-情绪图建模141 基于语义-情绪知识的跨目标立场检测-9.6 知识增强的BiLSTM网络142 基于语义-情绪知识的跨目标立场检测-9.7 立场检测分类器143 .8.1 实验说明144 .8.2 实验结果与分析145 基于语义-情绪知识的跨目标立场检测-9.9 本章小结146 基于语义-情绪知识的跨目标立场检测-参考文献147 基于元学习的跨领域立场检测148 基于元学习的跨领域立场检测-10.1 元学习概念149 基于元学习的跨领域立场检测-10.2 有监督元学习150 .2.1 基于度量的元学习方法151 .2.2 基于模型的元学习方法152 .2.3 基于优化的元学习方法153 基于元学习的跨领域立场检测-10.3 MAML算法154 基于元学习的跨领域立场检测-10.4 基于元学习的立场检测模型155 .5.1 数据集介绍156 .5.2 实验细节157 .5.3 对比模型158 .5.4 实验结果159 .5.5 核心代码160 基于元学习的跨领域立场检测-10.6 本章小结161 基于元学习的跨领域立场检测-参考文献162 知识增强的零样本和小样本立场检测163 知识增强的零样本和小样本立场检测-11.1 任务与术语164 知识增强的零样本和小样本立场检测-11.2 概念知识图165 知识增强的零样本和小样本立场检测-11.3 多关系图神经网络166 知识增强的零样本和小样本立场检测-11.4 基于多关系图神经网络的知识图编码167 知识增强的零样本和小样本立场检测-11.5 知识增强的立场检测模型168 .6.1 实验设置169 .6.2 核心代码170 .6.3 对比方法171 .6.4 实验结果与分析172 知识增强的零样本和小样本立场检测-11.7 本章小结173 知识增强的零样本和小样本立场检测-参考文献174 面向情感分类的对抗攻击175 面向情感分类的对抗攻击-12.1 对抗样本的概念176 .1.1 对抗样本的提出177 .1.2 对抗样本的定义178 面向情感分类的对抗攻击-12.2 扰动控制179 .2.1 编辑距离180 .2.2 欧氏距离181 .2.3 余弦距离182 .2.4 Jaccard相似系数183 .2.5 单词移动距离184 .2.6 各种指标的应用185 面向情感分类的对抗攻击-12.3 白盒攻击与黑盒攻击186 面向情感分类的对抗攻击-12.4 目标攻击与非目标攻击187 面向情感分类的对抗攻击-12.5 字符级对抗攻击方法188 .5.1 白盒攻击场景下的字符级对抗攻击方法189 .5.2 黑盒攻击场景下的字符级对抗攻击方法190 .5.3 基于重要性的黑盒字符级攻击方法191 面向情感分类的对抗攻击-12.6 词语级对抗攻击方法192 .6.1 白盒攻击场景下的词语级对抗攻击方法193 .6.2 黑盒攻击场景下的词语级对抗攻击方法194 面向情感分类的对抗攻击-12.7 句子级对抗攻击方法195 .7.1 白盒攻击场景下的句子级对抗攻击方法196 .7.2 黑盒攻击场景下的句子级对抗攻击方法197 面向情感分类的对抗攻击-12.8 本章小结198 面向情感分类的对抗攻击-参考文献199 .1.1 任务描述200 .1.2 相关术语201 基于前置检测的情感分类防御-13.2 鲁棒单词识别模型202 基于前置检测的情感分类防御-13.3 两步拼写校正模型203 .3.1 模型简介204 .3.2 两步拼写校正模式205 .3.3 误拼写单词探测器206 .3.4 误拼写单词校正器207 基于前置检测的情感分类防御-13.4 应用实践208 .4.1 核心代码209 .4.2 实验设置210 .4.3 实验分析211 基于前置检测的情感分类防御-13.5 本章小结212 基于前置检测的情感分类防御-参考文献213 基于数据优化的情感分类防御-14.1 任务与术语214 基于数据优化的情感分类防御-14.2 数据增强方法215 基于数据优化的情感分类防御-14.3 对抗训练方法216 基于数据优化的情感分类防御-14.4 错别字鲁棒编码217 基于数据优化的情感分类防御-14.5 同义词编码218 基于数据优化的情感分类防御-14.6 本章小结219 基于数据优化的情感分类防御-参考文献220 基于可验证区域的情感分类防御-15.1 任务与术语221 基于可验证区域的情感分类防御-15.2 可验证区域222 .2.1 随机平滑223 .2.2 可验证鲁棒性224 .3.1 多跳邻居225 .3.2 扰动分布226 .4.1 训练平滑分类器227 .4.2 最大化可验证区域228 基于可验证区域的情感分类防御-15.5 可验证区域的估计229 基于可验证区域的情感分类防御-15.6 应用实践230 .6.1 实验代码231 .6.2 实验设置232 .6.3 评价指标233 .6.4 模型参数设置234 .6.5 基线模型设置235 .7.1 主实验结果236 .7.2 消融实验237 .7.3 关键参数影响实验238 .7.4 可视化实验239 .7.5 词向量可视化240 基于可验证区域的情感分类防御-15.8 本章小结241 基于可验证区域的情感分类防御-参考文献242 推荐阅读
精选推荐
销售心理学
[中国纺织出版社]
兰华
已完结当代文学
销售就是玩转情商
[中国纺织出版社]
王威
已完结当代文学
销售员情商实战训练
成功的销售需要高智商，更需要高情商。一个销售员的销售业绩，往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商，提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导，以及实战点拨和情商拓展训练，帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置，有效降低读者阅读疲劳，提高阅读兴趣，不论是奔波在路上的销售小白，还是带领团队奋勇向前的销售经理，都能从中找到适合自己的销售软技巧。
刘军
已完结当代文学
让未来的你，感谢现在勇敢的自己
[中国纺织出版社]
王介威
已完结当代文学
行为心理学入门（完全图解版）
行为心理学入门（完全图解版）是以作者多来年的心理辅导和咨询数据为素材，对现实生活中的行为心理学应用进行了形象、深入、全面的论述和解读。本书与日本心理学图解书形式相同，浅显易读，有趣又益。
武莉
已完结当代文学
自制力：道理我都懂，为什么就是过不好人生
[中国纺织出版社]
邱开杰
已完结当代文学
能力与格局
[中国纺织出版社]
龙泽
已完结当代文学
羊皮卷
[中国纺织出版社]
赵文武
已完结当代文学
组织领导力：组织高效运营与领导策略
[中国纺织出版社]
谢良鸿
已完结当代文学