关注
新随笔

文献参考

中文文献

1. 微博情感分析综述

本地文件：参考文献/微博情感分析综述

原文链接：微博情感分析综述 (cnki.net)

文献引用：[1]王春东,张卉,莫秀良,杨文军.微博情感分析综述[J].计算机工程与科学,2022,44(01):165-175.

2. 中文文本情感分析综述

本地文件：

原文链接：中文文本情感分析综述 (cnki.net)

文献引用：[1]魏韡,向阳,陈千.中文文本情感分析综述[J].计算机应用,2011,31(12):3321-3323.

 

3. 使用机器学习方法进行新闻的情感自动分类

本地文件：

原文链接：使用机器学习方法进行新闻的情感自动分类 (cnki.net)

文献引用：[1]徐军,丁宇新,王晓龙.使用机器学习方法进行新闻的情感自动分类[J].中文信息学报,2007(06):95-100.

 

4. 基于加权word2vec的微博情感分析

本地文件：基于加权word2vec的微博情感分析

文献引用：[1]李锐,张谦,刘嘉勇.基于加权word2vec的微博情感分析[J].通信技术,2017,50(03):502-506.

李锐等人[1]讨论了基于加权词向量和支持向量机的微博情感分析方法。该方法通过训练word2vec获取文档词向量，使用TFIDF算法计算词汇权重并进行加权，最后使用SVM进行训练和分类。实验结果表明，与其他方法相比，该方法在微博情感分析中有更高的分类准确率和召回率。

5. 汉语自动分词词典机制的实验研究

本地文件：

原文链接：汉语自动分词词典机制的实验研究 (cnki.net)

文献引用：[1]孙茂松,左正平,黄昌宁.汉语自动分词词典机制的实验研究[J].中文信息学报,2000(01):1-6.

 

6. 汉语句子语义极性分析和观点抽取方法的研究

本地文件：

文献引用：[1]娄德成,姚天昉.汉语句子语义极性分析和观点抽取方法的研究[J].计算机应用,2006(11):2622-2625.

 

7. 基于弹幕的网络舆情文本挖掘与情感分析

本地文件：

原文链接：基于弹幕的网络舆情文本挖掘与情感分析 (cnki.net)

文献引用：[1]白健,洪小娟.基于弹幕的网络舆情文本挖掘与情感分析[J].软件工程,2022,25(11):44-48.DOI:10.19644/j.cnki.issn2096-1472.2022.011.010.

白健等人[1]研究采用弹幕这种新兴的文本表达方式，结合文本挖掘和情感分析研究弹幕和网络舆情的联系。通过网络爬虫收集数据，用Jieba库分词和统计高频词，用WordCloud库可视化数据，用SnowNLP库进行情感得分和LDA模型进行主题词提取。实验结果对传统评论文本研究具有有效的补充作用。

8. 文本情感分析综述

原文链接：文本情感分析综述(cnki.net)

文献引用：[1]杨立公,朱俭,汤世平.文本情感分析综述[J].计算机应用,2013,33(06):1574-1578+1607.

 

9. 基于卷积神经网络的微博情感倾向性分析

原文链接：基于卷积神经网络的微博情感倾向性分析(cnki.net)

文献引用：[1]刘龙飞,杨亮,张绍武,林鸿飞.基于卷积神经网络的微博情感倾向性分析[J].中文信息学报,2015,29(06):159-165.

 

10. 基于中文微博语料的情感倾向性分析

原文链接：基于中文微博语料的情感倾向性分析(cnki.net)

文献引用：[1]罗毅,李利,谭松波,程学旗.基于中文微博语料的情感倾向性分析[J].山东大学学报(理学版),2014,49(11):1-7+13.

 

11. 基于深度学习的微博情感分析

原文链接：基于深度学习的微博情感分析(cnki.net)

文献引用：[1]梁军,柴玉梅,原慧斌,昝红英,刘铭.基于深度学习的微博情感分析[J].中文信息学报,2014,28(05):155-161.

 

  1. 基于Python的微博情感分析系统设计[J].信息与电脑(理论版)

文献引用：[1]王欣,周文龙.基于Python的微博情感分析系统设计[J].信息与电脑(理论版),2019(06):76-77+80.

  1. 基于融合算法的短文本评论情感分析

文献引用：[1]高祥,赵京胜,宋梦雪.基于融合算法的短文本评论情感分析[J].信息技术与信息化,2019(11):180-184.

13.

英文文献

1. Information Visualization Analysis of Public Opinion Data on Social Media

文献引用：[1]Feng Chen,Shi Zhang. Information Visualization Analysis of Public Opinion Data on Social Media[J]. Informatica: An International Journal of Computing and Informatics,2021,45(1)

chen等人[1]基于微博的舆情数据，采用TF-IDF方法提取关键词，使用和HowNet和BosonNLP情感字典计算情感倾向。以"姜子牙"为关键词收集数据进行可视化分析，结果发现相关讨论逐渐减少，情感倾向以积极为主，但也有负面评论。研究结果对舆情数据可视化有一定的贡献，可以进一步应用于实践。

2. Sentiment Analysis and Opinion Mining

本地文件：

原文链接：Sentiment Analysis and Opinion Mining (springer.com)

文献引用：[1]Bing Liu.Sentiment Analysis and Opinion Mining[J].Sentiment Analysis and Opinion Mining,2012,: 167

3. Opinion Mining and Sentiment Analysis: A Survey

文献引用：[1]Mohammad Sadegh;Roliana Ibrahim;Zulaiha Ali Othman.Opinion Mining and Sentiment Analysis: A Survey[J].International Journal of Computers & Technology,2012,Vol.2(3): 171-178

 

4. The Essential of Sentiment Analysis and Opinion Mining in Social Media : Introduction and Survey of the Recent Approaches and Techniques

本地文件：2019-Essential Sentiment Analysis

原文链接：(PDF) The Essential of Sentiment Analysis and Opinion Mining in Social Media : Introduction and Survey of the Recent Approaches and Techniques (researchgate.net)

The Essential of Sentiment Analysis and Opinion Mining in Social Media : Introduction and Survey of the Recent Approaches and Techniques | IEEE Conference Publication | IEEE Xplore

文献引用：[1]Hoong-Cheng Soong;Norazira Binti A Jalil;Ramesh Kumar Ayyasamy;Rehan Akbar.The Essential of Sentiment Analysis and Opinion Mining in Social Media : Introduction and Survey of the Recent Approaches and Techniques[A].2019 IEEE 9th Symposium on Computer Applications & Industrial Electronics (ISCAIE)[C],2019

 

5. Sentiment Analysis and Opinion Mining: A Survey

本地文件：Sentiment Analysis and Opinion Mining: A Survey

原文链接：(PDF) Sentiment Analysis and Opinion Mining: A Survey (researchgate.net)

文献引用：[1]Alhojely Suad. Sentiment Analysis and Opinion Mining: A Survey[J]. International Journal of Computer Applications, 2016, 150(6) : 22-25.

G, Vinodhini & Chandrasekaran, Dr. Sentiment Analysis and Opinion Mining: A Survey[J]. Int J Adv Res Comput Sci Technol,2012,Vol.2

 

6. A survey of sentiment analysis in social media

本地文件：A survey of sentiment analysis in social media

原文链接：A survey of sentiment analysis in social media | SpringerLink

文献引用：[1]Yue, L (Yue, Lin)1,2,3,5;Chen, WT (Chen, Weitong)3;Li, X (Li, Xue)3,4;Zuo, WL (Zuo, Wanli)5;Yin, MH (Yin, Minghao)1,2,5.A survey of sentiment analysis in social media.[J].Knowledge & Information Systems,2019,Vol.60(2): 617-663

 

7. Sentiment Analysis and Opinion Mining

本地文件：sentiment-analysis-and-opinion-mining-IJERTCONV4IS27034

原文链接：Sentiment Analysis and Opinion Mining (ijert.org)

文献引用：Okoro Jennifer Chimaobiya & Mrs. Hari Priya. Sentiment Analysis and Opinion Mining[]. INTERNATIONAL JOURNAL OF ENGINEERING RESEARCH & TECHNOLOGY (IJERT) NCRIT,2016 ,Vol.4,doi:10.17577/IJERTCONV4IS27034

 

8. A Review of Sentiment Analysis Research in Chinese Language

本地链接：A Review of Sentiment Analysis Research in Chinese Language

原本链接：A Review of Sentiment Analysis Research in Chinese Language | SpringerLink

文献引用：[1]Haiyun Peng,Erik Cambria,Amir Hussain. A Review of Sentiment Analysis Research in Chinese Language[J]. Cognitive Computation,2017,9(4).

9.Dual Graph Convolutional Networks for Aspect-based Sentiment Analysis

原文链接：Dual Graph Convolutional Networks for Aspect-based Sentiment Analysis (aclanthology.org)

文献引用：[1] Li R , Chen H , Feng F , et al. Dual Graph Convolutional Networks for Aspect-based Sentiment Analysis[C]// Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 1: Long Papers). 2021.

10.Dynamic and Multi-Channel Graph Convolutional Networks for Aspect-Based Sentiment Analysis(面向方面情感分析的动态多通道图卷积网络)(2021.findings-acl)

文献引用：[1] Potts C , Wu Z , Geiger A , et al. DynaSent: A Dynamic Benchmark for Sentiment Analysis[J]. 2020.

11.A survey on sentiment analysis methods, applications, and challenges

原文链接：https://link.springer.com/article/10.1007/s10462-022-10144-1?utm_source=sn_RM

文献引用：[1] Wankhade M , Rao A C S , Kulkarni C . A survey on sentiment analysis methods, applications, and challenges[J]. Artificial Intelligence Review, 2022, 55(7):5731-5780.

扩展阅读

1.结合上下文和依存句法信息的中文短文本情感分析 (cnki.net)

[1]杜启明,李男,刘文甫,杨舒丹,岳峰.结合上下文和依存句法信息的中文短文本情感分析[J/OL].计算机科学:1-12[2022-11-13].http://kns.cnki.net/kcms/detail/50.1075.TP.20221109.1815.044.html.

2.基于融合算法的短文本评论情感分析(cnki.net)

基于融合算法的短文本评论情感分析

[1]高祥,赵京胜,宋梦雪.基于融合算法的短文本评论情感分析[J].信息技术与信息化,2019(11):180-184.

3.一种相关话题微博信息的筛选规则学习算法 (cnki.net)

[1]莫溢,刘盛华,刘悦,程学旗.一种相关话题微博信息的筛选规则学习算法[J].中文信息学报,2012,26(05):1-6+39.

3.Text Sentiment Analysis Based on Similarity and Cloud Model | IEEE Conference Publication | IEEE Xplore

[1]Changlin Ma. Text Sentiment Analysis Based on Similarity and Cloud Model[C]//.第34届中国控制与决策会议论文集（2）.[出版者不详],2022:268-272.DOI:10.26914/c.cnkihy.2022.020563.

4.Joint architecture and knowledge distillation in CNN for Chinese text recognition (cnki.net)

5.Unified Distillation: Supervising the Student to Make Fewer Mistakes (cnki.net)

6.基于Python-Snownlp的新闻评论数据分析 (cnki.net)

[1]赵志升,靳晓松,温童童,梁俊花.基于Python-Snownlp的新闻评论数据分析[J].科技传播,2018,10(18):104-105.DOI:10.16607/j.cnki.1674-6708.2018.18.052.

7.基于监督学习的中文情感分类技术比较研究 (cnki.net)

[1]唐慧丰,谭松波,程学旗.基于监督学习的中文情感分类技术比较研究[J].中文信息学报,2007(06):88-94+108.

 

[7]基于细粒度情感的文本挖掘及可视化分析

本地文件：

原文链接：

文献引用：

posted @ 2023-04-06 02:57  阿银呀  阅读(426)  评论(0)    收藏  举报