情感分析进阶
正版图书，可开发票，请放心购买。
￥ 64.65 8.2折 ￥ 79 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者林政 刘正宵 李江楠 著
出版社机械工业
ISBN9787111726401
出版时间2023-06
装帧其他
开本其他
定价79元
货号31772113
上书时间2023-09-11
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
林政 中国科学院信息工程研究所研究员、博士生导师，中国科学院信息工程研究所第三研究室IIE-NLP小组负责人。主要研究领域是自然语言处理、网络内容安全，具体包括情感/情绪分析、机器阅读理解、神经网络模型压缩等研究任务。在2018、2019年连续获得两届全国“军事智能-机器阅读”挑战赛冠军。2020年在常识推理阅读国际比赛排行榜上取得了三个任务的第一名。近几年在TASLP、ACL、EMNLP、AAAI、IJCAI、WWW、CIKM、WSDM、ICMR等国内外顶级学术会议和期刊上发表论文50篇，入选科技部F5000优秀论文，获得国家自然科学基金青年项目、面上项目、国家重点研发计划等多个项目资助。
目录
目录前言第一部分第1章 概述21.1文本情感分析相关概念21.2文本情感分析方法41.2.1基于知识库的方法41.2.2基于机器学习的方法41.2.3基于深度学习的方法51.3情感分析的应用51.3.1商业领域51.3.2文化领域61.3.3社会管理71.3.4信息预测71.3.5情绪管理81.3.6智能客服81.4情感分析面临的困难91.5机遇和挑战91.6本章小结10第2章文本情感分析基础132.1有监督学习132.2无监督学习132.3半监督学习142.4词向量142.4.1词向量表示的演化过程142.4.2词嵌入方法152.5卷积神经网络182.5.1卷积层192.5.2激活函数层202.5.3池化层212.5.4全连接层222.6循环神经网络222.7记忆网络242.8预训练模型252.8.1模型结构252.8.2预训练任务272.9本章小结27第二部分第3章基于文本片段不一致性的讽刺检测模型323.1任务与术语323.2片段不一致性323.3自注意力机制333.4模型框架333.4.1总体框架333.4.2输入模块343.4.3卷积模块343.4.4重要性权重模块343.4.5注意力机制模块353.4.6输出模块353.4.7训练目标363.5实验设计和结果分析363.5.1数据集介绍363.5.2实验环境和设置373.5.3基线模型373.5.4对比实验结果373.5.5消融实验结果393.5.6模型分析393.6应用实践413.7本章小结42第4章基于常识知识的讽刺检测444.1任务与术语444.2常识知识资源444.3知识生成方法454.4知识选择方法454.5知识融合方法464.6模型框架474.7实验设计和结果分析474.7.1数据集介绍474.7.2实验环境和设置484.7.3基线模型484.7.4对比实验结果484.7.5消融实验结果504.7.6模型分析504.8应用实践524.9本章小结53第5章基于多模态数据的讽刺检测555.1任务与术语555.2模态内注意力555.3模态间注意力565.4模型框架575.5实验设计和结果分析575.5.1数据集介绍575.5.2实验环境和设置585.5.3基线模型585.5.4对比实验结果595.5.5消融实验结果595.5.6模型分析605.6应用实践615.7本章小结63第三部分第6章基于用户建模的对话情绪分析666.1任务与术语666.2层级Transformer和Mask机制696.3自己-自己关系建模716.4自己-其他关系建模726.5用户关系权重选择726.6模型框架736.7应用实践766.7.1常用数据集766.7.2其他对话用户关系建模模型766.7.3实验结果776.8本章小结80第7章基于过去、现在和未来的对话情绪分析847.1任务与术语847.2常识知识库857.2.1ATOMIC常识知识库867.2.2COMET知识生成模型877.2.3COMETATOMIC2020知识生成模型887.3图神经网络887.4基于知识的情绪预测927.4.1知识增强的Transformer937.4.2COSMIC情绪预测模型947.5对话上下文交互图构建957.6模型框架977.7应用实践987.8本章小结99第8章基于平衡特征空间的不平衡情绪分析1028.1情绪分析中的不平衡问题1028.2基于重采样的平衡策略1038.3基于重权重化的平衡策略1048.3.1类别平衡损失函数1048.3.2标签分布感知的间隔损失函数1068.4基于数据增强的平衡策略1078.4.1计算机视觉中的基于数据增强的平衡策略1078.4.2自然语言处理中的数据增强方法1088.5Focal损失函数1088.6自我调整的Dice损失函数1098.7中心损失函数1108.8三元组中心损失函数1108.9最大马氏分布中心1118.10特征空间平衡损失函数1128.11应用实践1138.11.1代码实现1138.11.2实验性能1158.12本章小结117第四部分第9章基于语义-情绪知识的跨目标立场检测1229.1任务描述1229.2立场检测基础模型1239.3语义知识和情绪知识1239.4模型框架1249.5语义-情绪图建模1259.6知识增强的BiLSTM网络1259.7立场检测分类器1279.8模型应用1279.8.1实验说明1279.8.2实验结果与分析1289.9本章小结129第10章基于元学习的跨领域立场检测13110.1元学习概念13110.2有监督元学习13110.2.1基于度量的元学习方法13110.2.2基于模型的元学习方法13310.2.3基于优化的元学习方法13510.3MAML算法13610.4基于元学习的立场检测模型13710.5应用实践13810.5.1数据集介绍13810.5.2实验细节13910.5.3对比模型13910.5.4实验结果13910.5.5核心代码14010.6本章小结142第11章知识增强的零样本和小样本立场检测14411.1任务与术语14411.2概念知识图14511.3多关系图神经网络14611.4基于多关系图神经网络的知识图编码14711.5知识增强的立场检测模型14711.6应用实践14911.6.1实验设置14911.6.2核心代码14911.6.3对比方法15211.6.4实验结果与分析15211.7本章小结154第五部分第12章面向情感分类的对抗攻击15812.1对抗样本的概念15812.1.1对抗样本的提出15812.1.2对抗样本的定义15912.2扰动控制16012.2.1编辑距离16012.2.2欧氏距离16012.2.3余弦距离16112.2.4Jaccard相似系数16112.2.5单词移动距离16112.2.6各种指标的应用16112.3白盒攻击与黑盒攻击16212.4目标攻击与非目标攻击16212.5字符级对抗攻击方法16212.5.1白盒攻击场景下的字符级对抗攻击方法16312.5.2黑盒攻击场景下的字符级对抗攻击方法16412.5.3基于重要性的黑盒字符级攻击方法16512.6词语级对抗攻击方法16612.6.1白盒攻击场景下的词语级对抗攻击方法16612.6.2黑盒攻击场景下的词语级对抗攻击方法16812.7句子级对抗攻击方法16812.7.1白盒攻击场景下的句子级对抗攻击方法16812.7.2黑盒攻击场景下的句子级对抗攻击方法16912.8本章小结169第13章基于前置检测的情感分类防御17113.1任务与术语17113.1.1任务描述17113.1.2相关术语17113.2鲁棒单词识别模型17213.3两步拼写校正模型17313.3.1模型简介17313.3.2两步拼写校正模式17413.3.3误拼写单词探测器17413.3.4误拼写单词校正器17613.4应用实践17613.4.1核心代码17613.4.2实验设置17913.4.3实验分析18213.5本章小结188第14章基于数据优化的情感分类防御18914.1任务与术语18914.2数据增强方法18914.3对抗训练方法19014.4错别字鲁棒编码19114.5同义词编码19214.6本章小结194第15章基于可验证区域的情感分类防御19515.1任务与术语19515.2可验证区域19515.2.1随机平滑19515.2.2可验证鲁棒性19615.3基于多跳邻居的扰动分布19715.3.1多跳邻居19715.3.2扰动分布19815.4最大化可验证区域19815.4.1训练平滑分类器19815.4.2最大化可验证区域19915.5可验证区域的估计19915.6应用实践20015.6.1实验代码20015.6.2实验设置20315.6.3评价指标20415.6.4模型参数设置20415.6.5基线模型设置20415.7实验分析20515.7.1主实验结果20515.7.2消融实验20515.7.3关键参数影响实验20615.7.4可视化实验20715.7.5词向量可视化20815.8本章小结209
内容摘要
本书包括五个部分：第yi部分介绍文本情感分析的研究背景、研究现状和基础技术；第二部分从内容语义理解的角度出发，介绍基于隐式表达的讽刺检测技术；第三部分从用户个性化建模的角度出发，介绍多轮对话中的情绪分析技术；第四部分介绍小样本场景下的立场检测解决方案；第五部分介绍对抗攻击场景下的情感分类防御技术。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价