《情感计算》内容简介与阅读建议

Name: 情感计算
Author: [美]罗莎琳德·皮卡德

获取这本书 暂无已核验电子书资源

下载

作者: [美]罗莎琳德·皮卡德
分类: 计算机类
出版年份: 2005
语言: 中文

《情感计算》内容简介

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。

《情感计算》书籍信息摘要

《情感计算》内容简介与阅读建议，作者 [美]罗莎琳德·皮卡德，计算机类，2005年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：计算、计算机类。

作者：[美]罗莎琳德·皮卡德
分类：计算机类
出版年份：2005
语言：中文
格式：暂无已核验合规下载格式

《情感计算》适合哪些读者？

适合根据书名、作者、目录、标签和格式继续判断阅读价值的读者。

查看 [美]罗莎琳德·皮卡德的作品顺序浏览计算机类书籍查看“计算”相关书籍读完这本读什么查看书籍排行榜

获取建议

《情感计算》怎么获取更合适？

优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。

下载

暂无已核验电子书资源；本站不展示未授权完整文件。

下载

版本

优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。

1.2.1 情感分类标准 3
1.2.2 情感词典 4
1.2.3 情感语义表示 4
1.3 从识别到生成 5
1.3.1 情感分析 5
1.3.2 情感原因发现 7
1.3.3 情感生成 7
1.4 从单模态到多模态 8
1.4.1 单模态情感分析 8
1.4.2 多模态情感分析 9
1.5 从个体到群体 9
1.5.1 个体情感 9
1.5.2 群体情感 10
1.5.3 个体情感和群体情感的
区别与联系 10
1.6 从理论到应用 10
1.6.1 系统 11
1.6.2 抑郁症预测 11
1.6.3 聊天机器人 12
参考文献 12
第2章文本情感语义表示 14
2.1 文本情感语义表示简介 14
2.1.1 文本情感语义表示的
基本概念 14
2.1.2 文本情感语义表示的
研究任务 18
2.2 静态情感语义表示学习 20
2.2.1 算法思想 20
2.2.2 代表性算法模型 21
2.3 动态情感语义表示学习 27
2.3.1 算法思想 28
2.3.2 代表性算法模型 28
2.4 文本情感语义表示的未来
展望 39
2.5 本章总结 40
参考文献 41
第3章粗粒度文本情感分类 43
3.1 粗粒度文本情感分类简介 43
3.1.1 文档级情感分类的基本
概念 43
3.1.2 跨领域文本情感分类的
基本概念 44
3.1.3 跨语言情感分类的基本
概念 44
3.2 基于传统机器学习的文本情感
分类方法 45
3.2.1 基于无监督的文本情感
分类方法 45
3.2.2 基于情感特征的统计机器学
习文本情感分类方法 46
3.3 基于深度学习的文本情感
分类方法 48
3.3.1 基于递归神经网络的
文本情感分类 48
3.3.2 基于卷积神经网络的
文本情感分类 50
3.3.3 基于循环神经网络的
文本情感分类 51
3.4 跨领域文本情感分类 55
3.4.1 基于实例迁移策略的跨
领域文本情感分类 55
3.4.2 基于特征迁移策略的跨
领域文本情感分类 56
3.4.3 基于参数迁移策略的跨
领域文本情感分类 57
3.5 跨语言文本情感分类 59
3.5.1 基于机器翻译的方法 60
3.5.2 基于预训练模型的方法 61
3.5.3 基于生成对抗网络的方法 63
3.6 本章总结 64
参考文献 65
第4章细粒度情感分析 68
4.1 细粒度情感分析任务及基本要素 68
4.2 经典的属性级情感分析任务 71
4.2.1 属性抽取 71
4.2.2 属性情感分类 73
4.2.3 <属性，情感>配对抽取 77
4.3 属性类别相关的细粒度情感分析 78
4.3.1 属性类别的检测 79
4.3.2 基于属性类别的情感分类 79
4.3.3 属性类别–情感的联合
分类 79
4.4 观点词相关的细粒度情感分析 80
4.4.1 属性词和观点词的联合
抽取 80
4.4.2 基于属性词的观点词抽取 81
4.4.3 <属性词,观点词>配对
抽取 81
4.5 多元组形式的细粒度情感分析 81
4.5.1 <属性词,属性类别,情感
极性>三元组抽取 81
4.5.2 <属性词,观点词,情感
极性>三元组抽取 82
4.5.3 <属性词,属性类别,
观点词,情感极性>
四元组抽取 84
4.6 包含多要素的细粒度情感分析 84
4.6.1 包含观点持有者的细粒度
情感分析 85
4.6.2 基于比较观点的细粒度
情感分析 85
4.7 细粒度情感分析的挑战 86
4.8 本章总结 87
参考文献 87
第5章隐式情感分析 92
5.1 隐式情感分析基本概念 92
5.2 事实型隐式情感分析 94
5.2.1 基于语言特征的隐式情感
分析方法 94
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 95
5.2.3 基于异构用户知识融合的
隐式情感分析 97
5.3 比喻隐喻型隐式情感 98
5.3.1 基于词语特性的隐喻分析
方法 99
5.3.2 基于语义场景不一致的
隐喻序列标注方法 100
5.4 反讽型隐式情感分析 103
5.4.1 基于词汇信息和上下文
的反讽识别方法 103
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 104
5.4.3 基于情感对比和多视角
注意力的反讽识别方法 106
5.5 反问型隐式情感分析 107
5.5.1 基于句法结构的反问型
情感分析方法 108
5.5.2 基于多特征融合的反问型
隐式情感分析方法 109
5.6 幽默识别 111
5.6.1 幽默识别的基本概念 111
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 112
5.7 隐式情感语料库 113
5.8 本章总结 114
参考文献 114
第6章情感原因分析 119
6.1 问题定义与分类 119
6.2 情感原因识别方法 121
6.2.1 基于规则的方法 121
6.2.2 基于统计的机器学习方法 123
6.2.3 基于深度学习的方法 125
6.2.4 各类方法的特点分析 131
6.3 情感–原因对联合抽取方法 132
6.3.1 基于流水线结构的方法 132
6.3.2 基于端到端结构的方法 133
6.4 展望 139
参考文献 142
第7章文本立场检测 145
7.1 文本立场检测定义与分类 145
7.2 特定目标立场检测 147
7.2.1 基于规则的方法 147
7.2.2 基于统计的机器学习
方法 148
7.2.3 基于深度学习的方法 150
7.3 多目标立场检测 153
7.4 跨目标立场检测 156
7.4.1 基于知识迁移的模型 156
7.4.2 基于图网络的模型 158
7.4.3 融合外部知识的方法 159
7.5 零样本立场检测 159
7.5.1 基于知识迁移的模型 159
7.5.2 基于对比学习的模型 160
7.5.3 融合外部知识的方法 162
7.6 其他立场检测相关研究 163
7.7 本章总结 164
参考文献 164
第8章计算论辩 167
8.1 论辩理论 167
8.2 独白式论辩 169
8.2.1 论辩挖掘 170
8.2.2 论辩质量评估 172
8.3 对话式论辩 174
8.3.1 交互论点对识别 175
8.3.2 对话式论辩生成 176
8.4 论辩应用 179
8.4.1 智慧论辩 179
8.4.2 智慧教育 181
8.4.3 司法领域 182
8.5 总结和未来方向 184
参考文献 185
第9章情感生成 187
9.1 情感生成简介 187
9.1.1 情感生成的基本概念 187
9.1.2 情感生成的主要研究
任务 189
9.2 主观评论生成 190
9.2.1?结合系统 192
9.2.2?融合细粒度信息 193
9.2.3?扩展输入知识源 194
9.3 情感对话系统 196
9.3.1 情感对话生成 196
9.3.2 融合共情的对话交互 200
9.3.3 基于情绪支持策略的
对话交互 204
9.4 情感生成的未来展望 208
9.5 本章总结 209
参考文献 209
0章多模态情感计算研究 212
10.1?基于语音的情感语义表示学习 212
10.1.1?语音情感分析的背景 212
10.1.2?情感描述方法 214
10.1.3?语音情感特征提取 216
10.1.4?语音情感识别模型 218
10.1.5 海量互联网语音半监督
情感分析 219
10.2?基于图像的情感语义表示学习 222
10.2.1?图像情感分析的背景 222
10.2.2?可解释的图像情感分析 223
10.2.3?图像的美学风格理解 224
10.2.4 图像生成 225
10.2.5?计算美学的其他应用 227
10.3 多模态心理健康计算 229
10.3.1 多模态心理健康计算
简介 229
10.3.2 单一数据集的多模态
抑郁检测 230
10.3.3 跨平台的多模态抑郁
检测 233
10.4 本章总结 237
参考文献 237
1章情感分析的评测与资源
介绍 241
11.1 情感词典 241
11.1.1 情感词典的构建方法 241
11.1.2 情感词典资源介绍 246
11.1.3 小结 247
11.2 情感分析语料库 247
11.2.1 情感分析语料库构建 247
11.2.2 情感语料资源介绍 248
11.2.3 情绪语料资源介绍 249
11.2.4 多模态情感语料资源
介绍 250
11.2.5 对话情感语料资源介绍 253
11.2.6 小结 254
11.3 情感分析评测 254
11.3.1 国外情感分析评测 255
11.3.2 情感分析评测 258
11.3.3?小结 259
11.4 情感分析资源延展阅读 259
11.5 本章总结 260
参考文献 260
2章情感计算应用 263
12.1 系统中的情感计算 263
12.1.1 系统中的情感计算
简介 263
12.1.2 情感计算在系统中
的去偏差应用 264
12.1.3 情感计算在系统中
的增加可解释性应用 266
12.2 心理健康诊断中的情感
计算 270
12.2.1 概述 270
12.2.2 情感计算在抑郁检测中
的应用 270
12.2.3 情感计算在抑郁检测中
的相关研究方法 272
12.2.4 抑郁检测中的案例
分析 275
12.2.5 抑郁检测相关数据集 278
12.2.6 心理健康诊断领域的
研究展望 281
12.3 媒体数据情感分析中的情感
计算 281
12.3.1 经济、市场与服务中的
情感分析 281
12.3.2 自然灾害管理中的情感
分析 284
12.4 本章总结 288
参考文献 288
3章大模型时代下的情感
计算 291
13.1 大模型时代下的机遇与挑战 291
13.2 大模型时代下现有情感计算研究
方向进展 292
13.2.1 细粒度情感分析 292
13.2.2 情感对话生成 297
13.2.3 多模态情感分析 303
13.3 大模型时代下涌现的新的研究
方向 307
13.4 本章总结 312
参考文献 312
浏览器不支持脚本！

合规获取说明

当前暂无已核验电子书资源。若是商业出版物，建议优先通过出版社、书店或官方电子书平台获取。

常见问题

《情感计算》适合谁读？

适合根据书名、作者、目录、标签和格式继续判断阅读价值的读者。

《情感计算》阅读难度高吗？

建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。

《情感计算》纸质书值得买吗？

当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。

《情感计算》哪个版本更适合？

优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。

在哪里可以合法获取《情感计算》？

当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。

如何继续查找《情感计算》相关书籍？

可以进入 [美]罗莎琳德·皮卡德作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。