.png){kind=icon}
返回
DSM: Document Sentiment Map
.png){kind=icon}
OA
AI
DOI：10.1155/int/4214284.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
情感分析（SA）传统上被视为静态文本分类任务，其中为整个文档分配单个极性标签。然而，这种方法未能捕捉长篇文本中固有的动态情感转变和情感波动。本研究引入了一种新颖的过程框架，即文档情感图（DSM），将SA转化为纵向监测任务。DSM模型提出了两项主要创新：（i）生成情感振荡图（SOC）以可视化情感流动；（ii）应用休哈特控制图（SCC）规则来统计解释情感模式。为了确立语言可靠性，我们使用2120万个句子的土耳其语语料库确定了特定语言的控制界限。我们通过新闻文章和儿童文学等多样化数据集的案例研究展示了模型的有效性。结果表明，DSM成功识别了传统分类器无法识别的细粒度情感转变，如主导性、可区分性和强波动。通过提供可解释和诊断性的情感视图，DSM为内容审核和可解释的自然语言处理（NLP）应用提供了系统解决方案。DSM模型将SA从局限于文本分类问题转向过程视角，关注过程而非仅关注结果。
Keyword:
explainable sentiment analysis
process-based sentiment analysis
sentiment analysis
sentiment oscillation
Shewhart Control Chart
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.7
论文数:
3.1K
被引数:
8.1K
机构
引用论文
Extending a sentiment lexicon with synonym–antonym datasets: SWNetTR++通过同义词-反义词数据集扩展情感词典：SWNetTR++OAAI
OAAI分享收藏分享收藏Machine learning and deep learning for sentiment analysis across languages: A survey用于跨语言情感分析的机器学习和深度学习: 一项调查.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Weakly-supervised sentence-based aspect category and sentiment classification弱监督的基于句子的方面类别和情感分类
PREAI
分享收藏Developing Turkish sentiment lexicon for sentiment analysis using online news media开发用于情感分析的土耳其语情感词典：基于在线新闻媒体
PREAI
分享收藏Improving Accuracy of The Sentence-Level Lexicon-Based Sentiment Analysis Using Machine Learning
OAAI
OAAI分享收藏
查看更多内容