.png){kind=icon}
返回
Understanding aspect-level implicit sentiment via adaptive multi-source knowledge weighting and multi-step reading
.png){kind=icon}
PRE
AI
DOI：10.1007/s10844-026-01052-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于模型视角的隐含情感分类方法：一种多源知识融合网络与自适应权重和多步阅读的提出，旨在解决隐含情感分析中的语义深度理解问题。现有工作主要基于语言表达模式分类隐含情感，并利用深度学习方法提取多级语义信息或融合单源知识。然而，隐含情感的模糊性使得这些方法难以把握如反讽等深层语义。同时，大语言模型展现出强大的上下文理解和推理能力，为模型可解释性分析提供了新路径。因此，本文提出多源知识融合网络FN-AWMR，包含动态多源知识细粒度匹配方法和自适应多源知识权重与多步阅读模块，能够适应不同粒度知识的权重分配。为增强模型可解释性，设计隐含情感动态提示模板，驱动大语言模型生成逻辑连贯的解释。实验表明，该方法在面向方面隐含情感分析中效果显著。
Keyword:
Implicit sentiment analysis
Multi-source knowledge
Interpretability
Aspect-level sentiment analysis
期刊
J
IF:
3.4
论文数:
78
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏Empathy Level Alignment via Reinforcement Learning for Empathetic Response Generation基于强化学习的共情水平对齐用于共情回应生成
PREAI
分享收藏You Only Read Once: Constituency-Oriented Relational Graph Convolutional Network for Multi-Aspect Multi-Sentiment Classification仅读一次：基于成分导向关系图卷积网络的多方面多情感分类
PREAI
分享收藏
查看更多内容