- 多语言情感分析及其应用
- - 作者：徐月梅|责编:袁勤勇
  - 出版社：清华大学
  - ISBN：9787302639725
  - 出版日期：2023/09/01
  - 页数：271
- 售价：27.2

内容大纲
情感分析研究属于自然语言处理领域的一个重要分支。在信息全球化背景下，情感分析研究从单语言逐步扩展到多语言场景。本书分为上下两篇，上篇为单语言情感分析，下篇为多语言情感分析，尝试讲清楚情感分析是什么，单语言和多语言情感分析应该怎么做，情感分析需要具备哪些理论基础、技术基础和模型基础，多语言情感分析有哪些可用的语言资源，多语言情感分析未来的发展等问题。
本书能够为多语言自然语言处理和情感分析等领域的科研人员、从业者、在读研究生提供入门理论指导和技术参考。
作者介绍
目录
  第1章  绪论
    1.1  多语言信息的研究背景
    1.2  情感分析概述
      1.2.1  情感分析的定义
      1.2.2  情感分析的分类
      1.2.3  情感分析的任务
    1.3  情感分析的挑战
    1.4  参考文献
上篇  单语语言情感分析
  第2章  单语情感分析任务
    2.1  单语情感分析的研究背景
    2.2  单语情感分析的应用场景
      2.2.1  商业智能
      2.2.2  推荐系统
      2.2.3  互联网舆情
      2.2.4  医疗健康领域
    2.3  单语情感分析的实现步骤
    2.4  本章小结
    2.5  参考文献
  第3章  情感分析的技术基础——文本表示
    3.1  传统向量空间模型
      3.1.1  基本概念
      3.1.2  One-hot模型
      3.1.3  TF-IDF模型
    3.2  文本主题模型
      3.2.1  基本概念
      3.2.2  PLSA模型
      3.2.3  LDA模型
      3.2.4  主题模型示例
    3.3  词向量分布式表示模型
      3.3.1  Word2vec模型
      3.3.2  GloVe模型
      3.3.3  词向量模型示例
    3.4  本章小结
    3.5  参考文献
  第4章  情感分析的技术基础——学习模型
    4.1  传统机器学习模型
      4.1.1  朴素贝叶斯法
      4.1.2  k-最近邻法
      4.1.3  决策树法
      4.1.4  支持向量机法
      4.1.5  逻辑回归法
    4.2  浅层神经网络模型
      4.2.1  卷积神经网络模型
      4.2.2  长短期记忆模型
    4.3  深度预训练神经网络模型
      4.3.1  Transformer模型
      4.3.2  BERT模型
      4.3.3  Multi-BERT模型
      4.3.4  ELECTRA模型

      4.3.5  T5模型
    4.4  本章小结
    4.5  参考文献
  第5章  情感分析的应用
    5.1  情感分析在股票预测中的应用
      5.1.1  股票走势预测研究背景
      5.1.2  相关研究工作
      5.1.3  基于新闻事件和情感特征的股票预测模型
      5.1.4  实验分析
      5.1.5  结论
    5.2  情感分析在微博转发规模预测中的应用
      5.2.1  微博转发规模预测研究背景
      5.2.2  相关研究工作
      5.2.3  基于深度融合特征的政务微博转发规模预测模型
      5.2.4  实验分析
      5.2.5  结语
    5.3  情感分析在新闻舆情倾向预测中的应用
      5.3.1  新闻舆情倾向预测研究背景
      5.3.2  相关研究工作
      5.3.3  结合卷积神经网络和Topic2vee的主题演变模型
      5.3.4  实验分析
      5.3.5  结语
    5.4  本章小结
    5.5  参考文献
下篇  多语语言情感分析
  第6章  多语言情感分析任务
    6.1  多语言情感分析的研究背景
    6.2  多语言情感分析的应用场景
      6.2.1  商业智能和推荐系统
      6.2.2  多语言互联网舆情
      6.2.3  多语言情感资源建设
    6.3  多语言情感分析的实现步骤
    6.4  本章小结
    6.5  参考文献
  第7章  多语言情感分析的技术基础——跨语言文本表示
    7.1  跨语言词向量的定义
    7.2  跨语言词向量模型概述
      7.2.1  有监督的跨语言词向量模型
      7.2.2  半监督的跨语言词向量模型
      7.2.3  无监督的跨语言词向量模型
    7.3  语义和情感联合学习的跨语言词向量模型研究
      7.3.1  单语词向量矩阵标准化
      7.3.2  初始跨语言映射矩阵生成
      7.3.3  先验情感信息嵌入
      7.3.4  跨语言情感词向量映射
      7.3.5  实验分析
    7.4  本章小结
    7.5  参考文献
  第8章  多语言情感分析的语言资源——情感词典构建
    8.1  情感词典构建

      8.1.1  情感词典的定义
      8.1.2  情感词典的研究意义
    8.2  多语言情感词典资源
      8.2.1  情感词典的格式
      8.2.2  英文情感词典资源
      8.2.3  中文情感词典资源
      8.2.4  其他语言情感词典资源
    8.3  单语情感词典的构建方法概述
      8.3.1  基于PMI相似度的单语情感词典构建
      8.3.2  基于关系图传播的单语情感词典构建
      8.3.3  基于词向量表示的单语情感词典构建
    8.4  多语情感词典的构建方法概述
      8.4.1  早期的双语情感词典构建
      8.4.2  基于跨语言词向量的双语情感词典构建
    8.5  基于领域自适应的单语情感词典构建研究
      8.5.1  模型构建流程
      8.5.2  情感表示学习
      8.5.3  种子词典扩充
      8.5.4  情感词典构建
      8.5.5  实验与结果分析
    8.6  本章小结
    8.7  参考文献
  第9章  跨语言情感分析
    9.1  高、中、低资源语言
      9.1.1  高、中、低资源语言的定义
      9.1.2  低资源语言的研究意义
    9.2  早期跨语言情感分析研究概述
      9.2.1  基于机器翻译及其改进的方法
      9.2.2  基于平行语料库的方法
      9.2.3  基于双语情感词典的方法
    9.3  结合词向量表示的跨语言情感分析研究概述
      9.3.1  基于跨语言词向量的方法
      9.3.2  基于生成对抗网络的方法
      9.3.3  基于多语言预训练模型的方法
    9.4  跨语言情感分析研究前沿探讨
    9.5  本章小结
    9.6  参考文献
  第10章  多语言情感分析的应用案例
    10.1  基于情感特征表示的跨语言文本情感分析研究
      10.1.1  模型背景
      10.1.2  相关研究工作
      10.1.3  基于情感感知的跨语言情感分析模型
      10.1.4  实验结果
      10.1.5  结论
    10.2  基于持续学习的多语言情感分析研究
      10.2.1  模型背景
      10.2.2  持续学习理论及相关研究
      10.2.3  基于持续学习的多语言情感分析模型
      10.2.4  实验结果
      10.2.5  结论

    10.3  大语言模型对多语言智能研究的发展与启示
      10.3.1  大语言模型的发展脉络
      10.3.2  大语言模型的多语言探索
      10.3.3  大语言模型的多语言局限和改进
      10.3.4  大语言模型的多语言应用场景
      10.3.5  结论
    10.4  本章小结
    10.5  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目