基于多源数据的个体异常检测与情感建模

发布时间：2024-03-09 12:48

　　社交媒体平台包含了大量的文本数据,包括用户的反馈、评论、对话、意见等信息,这些信息是情感分析的基础。个体异常检测和情感建模是情感分析的重要组成部分,也是情感计算的新兴方向。个体异常检测主要指的是用户的异常情感转移模式的检测,个性建模是通过挖掘对话交互中的情感转移模式,对用户的相对稳定的情绪模式或个性等进行量化表征。目前,个体异常检测以及情感建模,在追求逻辑性,准确性的同时,往往忽略了对话者的情感个性。本文基于不同平台的对话交互文本数据,对多源数据(多平台的对话文本数据)的个体异常检测以及情感建模做了综述,包括其概念、提出背景、相关的方法、研究现状以及一些不足,主要工作如下:(1)面向个体异常检测,提出了基于对话交互的情感转移概率矩阵和张量网络模型,实现了基于张量相似度的个体异常检测模型。(2)面向个性情感模拟,基于传统的马尔可夫蒙特卡罗方法,提出了EMCMC算法,算法可以模拟出对话情感转移概率分布对应的样本。实验表明,一定范围内收敛限制越大,采样的序列与源数据概率分布越接近。(3)面向个性化情绪生成,提出了GEN-MCMC算法,实现了对话中用户情感交互的动态转移过程和用户个性化情感转移...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图1.1文本与对话的区别场景情感分类极性标注异常监测情绪调节心理诊疗

第一章绪论第一章绪论1.1研究背景与意义如今，人们花费很多时间在社交网络上：分享日常生活、心情状态、商品评论、用户体验，电影影评等等，这使得社交媒体的文本数据非常丰富，这些数据不仅仅包含了外在的喜怒哀乐情感，更包含了很多隐藏的信息。这些信息是情绪/情感分析的基础。对于情绪和....

图1.2对话异常检测和个性情感建模框架

图1.2对话异常检测和个性情感建模框架workforanomalydetectionandpersonalityemotionmodelingofconve示是本文的整体框架和模型图，以用户的对话为起点，通过，统计情感转移概率矩阵，构造情感转移张量。基于张量....

图3.1用户对话情感转移模型

图3.1用户对话情感转移模型Fig.3.1Emotionaltransfermodelofuserconversation所示，是一个简单的两个用户的对话情感转移过程的抽和用户B,用户A的情感依次为,,,…, ,用户,,....

图3.2对话情感刺激模型和情感转移张量模型

量是一阶张量(first-order)，矩阵是二阶张量(second-order)。张量的表示可以由一个定义域和一个值域的函数来完成，其中定义域是整数构成的向量，可以看作是一个空间坐标，值域是一个标量。例如，定义域范围是<0,0,0>到<4,4,4>，那么在<0,0,0>位....

本文编号：3923444