情感计算

封面

版权信息

作者简介

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