發(fā)布時間：2024-05-12 00:14

　　閱讀理解是自然語言處理領(lǐng)域的一個重要研究方向,現(xiàn)有閱讀理解大多是針對語料格式相對簡單,問題形式相對固定的任務,但是高考文學類作品閱讀理解問題復雜多樣,文學作品以中國現(xiàn)代散文為主,作品取材廣泛,語言凝練,意境深邃,理解困難。因此,本文面向散文閱讀理解任務,針對散文中的情感詞語識別開展研究。從粒度最小的詞語單位出發(fā),研究情感詞語的識別技術(shù),主要研究工作如下:(1)面向散文的情感詞典和語料庫構(gòu)建。通過對散文文本獨有特點的分析,發(fā)現(xiàn)散文情感大多細膩復雜,結(jié)合高考散文閱讀理解答題的需要,許多問題涉及原文中的情感分析或修辭方法識別,若能構(gòu)建散文閱讀理解的基礎(chǔ)資源,可以提升問題的解答效果。本文建立情感詞典,并收集80190篇散文,其中標注1140條詞語及其情緒標簽、2625條動詞隱喻句及其情感類別,最后分別對標注數(shù)據(jù)語料進行分析、總結(jié)。(2)面向散文的低頻情感詞語抽取與情緒標簽確定。散文是一種抒發(fā)作者真情實感、寫作方式靈活的記敘類文學體裁,其表現(xiàn)形式更加多元化,表達方式更加婉轉(zhuǎn),情感表達更加細膩等。通過詞語之間的共現(xiàn)關(guān)系確定詞語間的相關(guān)性,再利用Word2Vec計算詞語間的語義相似度。在此基礎(chǔ)上,構(gòu)...

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

圖3.1各類情感詞語情緒傾向判別結(jié)果

圖3.1各類情感詞語情緒傾向判別結(jié)果.1可知：“哀”情緒類的各項評價指標均低于另外三種。其原因是由這兩種情緒關(guān)系緊密，某個詞語可能同時含有兩種情緒，但別更偏向于概率大的這種情緒。例如，“爾虞我詐”既包含哀”的情緒，在本文中人工判別其為“哀”情緒，而在實驗”情緒。因此，模型判....

圖3.2不同的權(quán)重β下游走模型判別情感詞語情緒傾向結(jié)果

圖3.1各類情感詞語情緒傾向判別結(jié)果圖3.1可知：”和“哀”情緒類的各項評價指標均低于另外三種。其原因是由于中，這兩種情緒關(guān)系緊密，某個詞語可能同時含有兩種情緒，但是的判別更偏向于概率大的這種情緒。例如，“爾虞我詐”既包含“怒含“哀”的情緒，在本文中人工判別其為“哀”情緒....

圖3.3表示候選詞語與種子集之間的共現(xiàn)關(guān)系度量

3.3表示候選詞語與種子集之間的共現(xiàn)關(guān)系度1節(jié)中詞語之間的共現(xiàn)關(guān)系度量。連線上的，若沒有連線，說明兩個詞語沒有共現(xiàn)關(guān)喜哀樂琳瑯滿目怒懼輕觸熟透萎縮生疏避風港天馬行空不解之緣0.3590.1940.3010.3540.3230.2360.2530.3173.4表示候選詞語與....

圖3.4表示候選詞語與種子集之間的語義關(guān)系度量

例展示節(jié)兩步傳播算法的性能，選取部分詞語，后情緒傾向判斷正確，其示意圖見圖3.3、3.3表示候選詞語與種子集之間的共現(xiàn)關(guān)系度1節(jié)中詞語之間的共現(xiàn)關(guān)系度量。連線上的，若沒有連線，說明兩個詞語沒有共現(xiàn)關(guān)喜0.359

本文編號：3970572