- 情感计算/人工智能技术丛书
- - 作者：秦兵//赵妍妍//林鸿飞//王素格//徐睿峰|责编:李永泉
  - 出版社：机械工业
  - ISBN：9787111754633
  - 出版日期：2024/09/01
  - 页数：314
- 售价：35.6

内容大纲
近年来，在深度学习、大数据等革命性技术的推动下，人工智能领域迎来了又一个春天。在人工智能的研究中，既包括对于人类理性思维的模拟，还包括对人类感性思维的计算。本书重点讲述的文本情感分析技术就属于后者。该技术源于自然语言处理领域，但也有别于一般的自然语言处理任务。文本情感分析面向的处理对象是社交媒体中产生的用户评论文本，该文本的特点是带有大量的用户主观情感信息，因此该技术的核心是通过自动分析评论文本来进行情感的理解。文本情感分析技术已有20余年的研究历史，凝聚成了多项研究任务和实用技术，已应用于舆情分析、电子商务等领域，具有重大的社会价值和商业价值。本书介绍的知识点包括文本情感分析的基础理论和资源、核心任务，以及上层应用三大部分。在文本情感分析的基础理论和资源部分，该书将讲述基于深度学习的情感表示方法，以及语料、词典和相关评测等资源；在文本情感分析的核心任务部分，该书将讲述文本情感分类、情感信息抽取、隐式情感、多模态情感等若干核心任务；在文本情感分析的上层应用部分，该书将讲述观点分析、情感文摘等典型应用。
本书可以为自然语言处理、人工智能等领域的科研人员和IT从业者提供创新的发展视角及相关理论、方法与技术支撑，也可作为相关专业高年级本科生和研究生课程教材。
作者介绍
目录
序
前言
第1章  绪论
  1.1  情感计算概述
    1.1.1  情感及其意义
    1.1.2  情感计算的概念与历史
    1.1.3  情感计算的内容
  1.2  从资源到表示
    1.2.1  情感分类标准
    1.2.2  情感词典
    1.2.3  情感语义表示
  1.3  从识别到生成
    1.3.1  情感分析
    1.3.2  情感原因发现
    1.3.3  情感生成
  1.4  从单模态到多模态
    1.4.1  单模态情感分析
    1.4.2  多模态情感分析
  1.5  从个体到群体
    1.5.1  个体情感
    1.5.2  群体情感
    1.5.3  个体情感和群体情感的区别与联系
  1.6  从理论到应用
    1.6.1  推荐系统
    1.6.2  抑郁症预测
    1.6.3  聊天机器人
  参考文献
第2章  文本情感语义表示
  2.1  文本情感语义表示简介
    2.1.1  文本情感语义表示的基本概念
    2.1.2  文本情感语义表示的研究任务
  2.2  静态情感语义表示学习
    2.2.1  算法思想
    2.2.2  代表性算法模型
  2.3  动态情感语义表示学习
    2.3.1  算法思想
    2.3.2  代表性算法模型
  2.4  文本情感语义表示的未来展望
  2.5  本章总结
  参考文献
第3章  粗粒度文本情感分类
  3.1  粗粒度文本情感分类简介
    3.1.1  文档级情感分类的基本概念
    3.1.2  跨领域文本情感分类的基本概念
    3.1.3  跨语言情感分类的基本概念
  3.2  基于传统机器学习的文本情感分类方法
    3.2.1  基于无监督的文本情感分类方法
    3.2.2  基于情感特征的统计机器学习文本情感分类方法
  3.3  基于深度学习的文本情感分类方法
    3.3.1  基于递归神经网络的文本情感分类

    3.3.2  基于卷积神经网络的文本情感分类
    3.3.3  基于循环神经网络的文本情感分类
  3.4  跨领域文本情感分类
    3.4.1  基于实例迁移策略的跨领域文本情感分类
    3.4.2  基于特征迁移策略的跨领域文本情感分类
    3.4.3  基于参数迁移策略的跨领域文本情感分类
  3.5  跨语言文本情感分类
    3.5.1  基于机器翻译的方法
    3.5.2  基于预训练模型的方法
    3.5.3  基于生成对抗网络的方法
  3.6  本章总结
  参考文献
第4章  细粒度情感分析
  4.1  细粒度情感分析任务及基本要素
  4.2  经典的属性级情感分析任务
    4.2.1  属性抽取
    4.2.2  属性情感分类
    4.2.3  <属性，情感>配对抽取
  4.3  属性类别相关的细粒度情感分析
    4.3.1  属性类别的检测
    4.3.2  基于属性类别的情感分类
    4.3.3  属性类别–情感的联合分类
  4.4  观点词相关的细粒度情感分析
    4.4.1  属性词和观点词的联合抽取
    4.4.2  基于属性词的观点词抽取
    4.4.3  <属性词,观点词>配对抽取
  4.5  多元组形式的细粒度情感分析
    4.5.1  <属性词,属性类别,情感极性>三元组抽取
    4.5.2  <属性词,观点词,情感极性>三元组抽取
    4.5.3  <属性词,属性类别,观点词,情感极性>四元组抽取
  4.6  包含更多要素的细粒度情感分析
    4.6.1  包含观点持有者的细粒度情感分析
    4.6.2  基于比较观点的细粒度情感分析
  4.7  细粒度情感分析的挑战
  4.8  本章总结
  参考文献
第5章  隐式情感分析
  5.1  隐式情感分析基本概念
  5.2  事实型隐式情感分析
    5.2.1  基于语言特征的隐式情感分析方法
    5.2.2  基于情感常识知识表示的事实型隐式情感分析方法
    5.2.3  基于异构用户知识融合的隐式情感分析
  5.3  比喻/隐喻型隐式情感
    5.3.1  基于词语特性的隐喻分析方法
    5.3.2  基于语义场景不一致的隐喻序列标注方法
  5.4  反讽型隐式情感分析
    5.4.1  基于词汇信息和上下文的反讽识别方法
    5.4.2  融合语言特征及背景信息的反讽型隐式情感识别方法
    5.4.3  基于情感对比和多视角注意力的反讽识别方法
  5.5  反问型隐式情感分析

    5.5.1  基于句法结构的反问型情感分析方法
    5.5.2  基于多特征融合的反问型隐式情感分析方法
  5.6  幽默识别
    5.6.1  幽默识别的基本概念
    5.6.2  基于语音和模糊性语义理解的门控注意力机制的幽默识别方法
  5.7  隐式情感语料库
  5.8  本章总结
  参考文献
第6章  情感原因分析
第7章  文本立场检测
第8章  计算论辩
第9章  情感生成
第10章  多模态情感计算研究
第11章  情感分析的评测与资源介绍
第12章  情感计算应用
第13章  大模型时代下的情感

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目