科技 类型
可以朗读 语音朗读
179千字 字数
2022-12-01 发行日期
展开全部

主编推荐语

系统深入地介绍文本情感分析的基础知识、核心技术和典型应用。

内容简介

本书包括五个部分：第一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。

目录

  • 版权信息
  • 前言
  • 第一部分
  • 第1章 概述
  • 1.1 文本情感分析相关概念
  • 1.2 文本情感分析方法
  • 1.3 情感分析的应用
  • 1.4 情感分析面临的困难
  • 1.5 机遇和挑战
  • 1.6 本章小结
  • 参考文献
  • 第2章 文本情感分析基础
  • 2.1 有监督学习
  • 2.2 无监督学习
  • 2.3 半监督学习
  • 2.4 词向量
  • 2.5 卷积神经网络
  • 2.6 循环神经网络
  • 2.7 记忆网络
  • 2.8 预训练模型
  • 2.9 本章小结
  • 参考文献
  • 第二部分
  • 第3章 基于文本片段不一致性的讽刺检测模型
  • 3.1 任务与术语
  • 3.2 片段不一致性
  • 3.3 自注意力机制
  • 3.4 模型框架
  • 3.5 实验设计和结果分析
  • 3.6 应用实践
  • 3.7 本章小结
  • 参考文献
  • 第4章 基于常识知识的讽刺检测
  • 4.1 任务与术语
  • 4.2 常识知识资源
  • 4.3 知识生成方法
  • 4.4 知识选择方法
  • 4.5 知识融合方法
  • 4.6 模型框架
  • 4.7 实验设计和结果分析
  • 4.8 应用实践
  • 4.9 本章小结
  • 参考文献
  • 第5章 基于多模态数据的讽刺检测
  • 5.1 任务与术语
  • 5.2 模态内注意力
  • 5.3 模态间注意力
  • 5.4 模型框架
  • 5.5 实验设计和结果分析
  • 5.6 应用实践
  • 5.7 本章小结
  • 参考文献
  • 第三部分
  • 第6章 基于用户建模的对话情绪分析
  • 6.1 任务与术语
  • 6.2 层级Transformer和Mask机制
  • 6.3 自己-自己关系建模
  • 6.4 自己-其他关系建模
  • 6.5 用户关系权重选择
  • 6.6 模型框架
  • 6.7 应用实践
  • 6.8 本章小结
  • 参考文献
  • 第7章 基于过去、现在和未来的对话情绪分析
  • 7.1 任务与术语
  • 7.2 常识知识库
  • 7.3 图神经网络
  • 7.4 基于知识的情绪预测
  • 7.5 对话上下文交互图构建
  • 7.6 模型框架
  • 7.7 应用实践
  • 7.8 本章小结
  • 参考文献
  • 第8章 基于平衡特征空间的不平衡情绪分析
  • 8.1 情绪分析中的不平衡问题
  • 8.2 基于重采样的平衡策略
  • 8.3 基于重权重化的平衡策略
  • 8.4 基于数据增强的平衡策略
  • 8.5 Focal损失函数
  • 8.6 自我调整的Dice损失函数
  • 8.7 中心损失函数
  • 8.8 三元组中心损失函数
  • 8.9 最大马氏分布中心
  • 8.10 特征空间平衡损失函数
  • 8.11 应用实践
  • 8.12 本章小结
  • 参考文献
  • 第四部分
  • 第9章 基于语义-情绪知识的跨目标立场检测
  • 9.1 任务描述
  • 9.2 立场检测基础模型
  • 9.3 语义知识和情绪知识
  • 9.4 模型框架
  • 9.5 语义-情绪图建模
  • 9.6 知识增强的BiLSTM网络
  • 9.7 立场检测分类器
  • 9.8 模型应用
  • 9.9 本章小结
  • 参考文献
  • 第10章 基于元学习的跨领域立场检测
  • 10.1 元学习概念
  • 10.2 有监督元学习
  • 10.3 MAML算法
  • 10.4 基于元学习的立场检测模型
  • 10.5 应用实践
  • 10.6 本章小结
  • 参考文献
  • 第11章 知识增强的零样本和小样本立场检测
  • 11.1 任务与术语
  • 11.2 概念知识图
  • 11.3 多关系图神经网络
  • 11.4 基于多关系图神经网络的知识图编码
  • 11.5 知识增强的立场检测模型
  • 11.6 应用实践
  • 11.7 本章小结
  • 参考文献
  • 第五部分
  • 第12章 面向情感分类的对抗攻击
  • 12.1 对抗样本的概念
  • 12.2 扰动控制
  • 12.3 白盒攻击与黑盒攻击
  • 12.4 目标攻击与非目标攻击
  • 12.5 字符级对抗攻击方法
  • 12.6 词语级对抗攻击方法
  • 12.7 句子级对抗攻击方法
  • 12.8 本章小结
  • 参考文献
  • 第13章 基于前置检测的情感分类防御
  • 13.1 任务与术语
  • 13.2 鲁棒单词识别模型
  • 13.3 两步拼写校正模型
  • 13.4 应用实践
  • 13.5 本章小结
  • 参考文献
  • 第14章 基于数据优化的情感分类防御
  • 14.1 任务与术语
  • 14.2 数据增强方法
  • 14.3 对抗训练方法
  • 14.4 错别字鲁棒编码
  • 14.5 同义词编码
  • 14.6 本章小结
  • 参考文献
  • 第15章 基于可验证区域的情感分类防御
  • 15.1 任务与术语
  • 15.2 可验证区域
  • 15.3 基于多跳邻居的扰动分布
  • 15.4 最大化可验证区域
  • 15.5 可验证区域的估计
  • 15.6 应用实践
  • 15.7 实验分析
  • 15.8 本章小结
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。