导读:本文包含了情感检测论文开题报告文献综述及选题提纲参考文献，主要关键词:人机对话,负面情感,情感分析,低俗检测
情感检测论文文献综述
罗观柱,赵妍妍,秦兵,刘挺[1]（2019）在《智能人机对话中的负面情感检测》一文中研究指出人工智能使得智能人机对话系统的应用日趋广泛,但对话系统中常常含有低俗、暴力、谣言等负面情感信息,给对话系统造成了不良的影响,因此检测对话系统中的负面情感显得至关重要.针对智能人机对话系统中的负面情感内容,提出了一种基于深度学习的负面情感检测模型,该模型利用预训练词向量和BiLSTM可以有效地捕捉文本语义与上下文信息.相对于传统的词典匹配算法,大大减少了对词典的依赖程度,能够智能地识别相似的负面情感表达形式,可以更加有效地检测对话系统中的负面情感,在净化对话系统中起到了重要作用.(本文来源于《信息安全研究》期刊2019年11期）
杨丰瑞,吴晓浩,万程峰[2]（2019）在《融合情感极性与信任函数的虚假评论检测方法》一文中研究指出在线评论是用户判断商品质量的一个依据。虚假评论严重影响了消费者的购买行为,现有的虚假评论检测方法从文本出发,忽略了评分的虚假性,评分通常是不精确和不确定的,对虚假评论检测效果不佳。提出融合情感极性与信任函数的虚假评论检测方法(EP-BFRD),利用信任函数处理给定评论者评分中的不确定性和不准确性,考虑与其他评分者提供的评分的相似性,以检测误导性,并判断评论文本情感极性与评分一致性。综合考虑信任函数处理的结果以及评分与文本情感一致性的结果来判断评论的虚假性。在一个真实的数据库上进行实验,实验表明该方法可有效解决虚假评论检测问题。(本文来源于《计算机工程与科学》期刊2019年09期）
王瑞东[3]（2019）在《社会化视频主题检测及细粒度情感分析算法研究与实现》一文中研究指出随着社会化视频的普及,许多新的视频研究方法被相继提出。弹幕数据是近年来较为流行的社会化视频的产物,其与视频时间同步的属性相较于传统的评论数据具备更精确的时间信息。本文以弹幕文本和视频图像为出发点,首先提取视频情节主题,然后结合两种模态数据进行视频情感分析。本文的研究内容包括两方面。首先提出了基于概率图模型的视频情节主题检测算法,目的在于能够自动对视频情节主题进行检测,提取出每个情节的主题内容。视频情节主题检测算法以弹幕文本作为输入,得到视频情节的主题信息,同时对切分好的情节输出文本主题内容。在视频情节主题检测的基础之上,进行情节粒度下多模态的视频情感分析。相较于对整部视频的粗粒度情感分析,本文所提出的模型能够针对每个情节给出情感极性分析结果。利用弹幕的文本模态以及时间片的图像模态对影视剧进行多模态的视频情感分析,以解决单模态下情感分析不准确的问题。情节主题检测算法与多模态情感分析相结合,构成本文所研究的主要内容。本文主要分析的视频为影视剧,根据不同类型的视频进行了模型算法的验证。实验结果表明,基于改进概率图模型的视频情节主题检测算法能够对一部视频进行合理的切分,同时对切分后的时间片给出主题内容文本。此外实验也分析了情节粒度下的多模态情感分析算法,相较于单模态的情感分析算法,本文所提出的多模态情感分析算法结合了弹幕文本与视频人脸图像,能够更准确的对视频片段的情感进行分类。(本文来源于《北京邮电大学》期刊2019-06-10）
王耀煊[4]（2019）在《面向多模态高层语义的歧视情感检测》一文中研究指出随着互联网的高速发展,社交平台带来多媒体数据不断的增长。在互联网的多媒体数据中,部分数据是带有歧视性的,这些歧视情感经过网络平台的传播和扩散,有可能对个人与社会造成不同程度的负面影响,不利于个人的健康成长和社会的和谐稳定。从数据媒介角度来说,这些歧视现象可以分为叁类:语言歧视,图像歧视及多模态歧视,其中多模态歧视检测在社交媒体的内容监管中具有重要的意义。本文采用基于深度学习的方法对面向多模态高层语义的歧视情感检测问题开展了研究工作。具体内容如下:(1)针对多模态高层语义歧视情感的检测和判定问题,分析构成歧视问题的因素,对歧视现象进行分类,利用人工拍摄和爬虫从网络收集的数据,建立面向歧视的多模态数据集。(2)针对以往歧视情感检测模型对于不同模态特征对齐方式过于复杂的问题,提出本文的多模态特征对齐方法,实现图像特征与文本特征更加细粒度的对齐方式,为此分别引入卷积神经网络和长短期记忆神经网络对图像和文本特征进行高效地提取,并利用双线性融合的方法对图像和文本的特征进行语义对齐。(3)针对特征向量对于歧视情感的贡献程度不同的问题,对不同模态的特征向量使用注意力机制得到多模态数据的联合表示。在构建的多模态歧视数据集上针对不同指标进行实验对比,有效提高了多模态歧视检测的准确率。(本文来源于《北京交通大学》期刊2019-05-30）
周绍宇[5]（2019）在《精神科门诊中甲状腺激素检测在双相情感障碍诊断和治疗中的应用》一文中研究指出目的:探讨和分析精神科门诊中甲状腺激素检测在双相情感障碍诊断和治疗中的应用效果。方法:此次抽选2017年3月-2018年10月在我院精神科门诊医治的双相情感障碍患者(76例)做研究,进行甲状腺激素检测,总结患者的甲状腺激素异常情况,把检测出的40例甲状腺激素异常患者平分成A组和B组,每组20例。A组在治疗双相情感障碍的同时治疗甲状腺激素异常,B组只进行双相情感障碍治疗,总结A、B两组的治疗效果。结果:在此次研究的76例患者中,共检出40例患者伴有甲状腺激素异常,其概率是52.63%。A组患者治疗的总有效率高于B组患者,差异显着,P<0.05。结论:在双相情感障碍患者的诊断中,甲状腺激素检测具有一定的指导作用,并且在双相情感障碍患者的治疗中,根据甲状腺激素检测结果给予患者针对甲亢/甲减治疗可提高双相情感障碍治疗的效果。(本文来源于《名医》期刊2019年05期）
张宏伟[6]（2019）在《血清尿酸、肌酐及血脂水平检测在双相情感障碍患者中的临床意义》一文中研究指出目的研究血清尿酸(UA)、肌酐(CRE)、血脂水平检测在双相情感障碍患者中的临床意义,为双相情感障碍的临床诊治提供新思路。方法选择我院2016年8月至2018年8月收治的98例双相情感障碍患者为双相情感障碍组,包括躁狂发作患者60例(躁狂发作组)及抑郁发作患者38例(抑郁发作组);选择同时期来我院健康体检者50例作为健康对照组。对双相情感障碍组及健康对照组患者的空腹血清UA、CRE、甘油叁脂(TG)及总胆固醇(CHO)水平进行比较。结果双相情感障碍组、躁狂发作组及抑郁发作组血清UA、CRE、TG及CHO水平均明显高于健康对照组,差异具有统计学意义(P<0.05)。Pearson相关分析结果显示,双相情感障碍患者中,血清UA水平与CRE、TG及CHO水平呈正相关(P<0.05)。结论相比于健康人员,双相情感障碍患者血清UA、CRE、TG及CHO水平升高,临床可将以上指标的检测应用于双相情感障碍患者的筛查及病情监测。(本文来源于《临床医学研究与实践》期刊2019年13期）
方薇,刘兴高,金韬[7]（2019）在《双相情感障碍患者血尿酸检测的临床价值探讨》一文中研究指出目的探讨在双相情感障碍患者血尿酸检测的临床价值。方法选取在该院就诊时间为2013年5月至2016年2月的双向情感障碍患者322例(观察组)作为研究对象,按照患者个人病历及杨氏躁狂量表、汉密尔顿抑郁量表得分,将197例躁狂发作患者纳入躁狂组,将125例抑郁发作患者纳入抑郁组。同时观察组按照患者使用精神科药物情况分为241例未用药组和81例用药组。另选取该院收治的精神分裂首发患者77例列为精神分裂组,于该院行体检的322例健康成人作为健康对照组。各组血尿酸水平进行比较,分析患者血尿酸水平与双相情感障碍症状的相关性。结果观察组血尿酸水平为(349.44±106.21)μmol/L,明显高于精神分裂组(318.81±85.58)μmol/L,差异具有统计学意义(P<0.05)。观察组及精神分裂组血尿酸水平均明显高于健康对照组(281.84±70.93)μmol/L,差异具有统计学意义(P<0.05)。躁狂组血尿酸水平为(365.54±103.11)μmol/L,明显高抑郁组患者(321.45±107.68)μmol/L,差异具有统计学意义(P<0.05)。躁狂组及抑郁组患者血尿酸水平均明显高于健康对照组(281.84±70.93)μmol/L,差异具有统计学意义(P<0.05)。用药组患者血尿酸水平为(374.14±104.75)μmol/L,略高于未用药组(339.42±107.15)μmol/L,差异无统计学意义(P>0.05)。用药组、未用药组患者血尿酸水平均明显高于健康对照组(281.84±70.93)μmol/L,差异具有统计学意义(P<0.05)。双相情感障碍躁狂组患者杨氏躁狂量表评分为21～50分,中位数为36(31,39)分,血尿酸水平与躁狂发作的相关系数为r=0.09,差异无统计学意义(P>0.05)。双相情感障碍抑郁组患者汉密尔顿抑郁量表评分为17～45分,中位数为32(23,38)分,血尿酸水平与抑郁发作的相关系数为r=-0.26,差异无统计学意义(P>0.05)。结论临床医生可通过检查血尿酸水平可间接获取中枢嘌呤代谢情况,作为其生物标记物用以双相情感障碍患者的筛查,指导临床诊治。(本文来源于《国际检验医学杂志》期刊2019年07期）
张陈[8]（2019）在《基于多源数据的个体异常检测与情感建模》一文中研究指出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序列的生成。(4)面向个性化情绪引导,提出了刺激路径采样算法GUI-MCMC,实现了引导用户情感从给定情感到指定目标情感的情绪引导框架。通过实验,本文提出的基于张量的异常检测方法可以挖掘出个体隐蔽的异常情感,并验证了改进的算法的有效性。其中E-MCMC算法在一定范围内收敛限制越大,采样得到的序列与源数据概率分布越接近。GEN-MCMC算法可以有效构建用户个性情感序列,在一致性和多样性上表现较基线模型更好。GUI-MCMC算法可以有效地引导用户情感到所希望的方向,为情绪引导、心理诊疗、聊天机器人等研究提供了新的思路和可行方案。(本文来源于《合肥工业大学》期刊2019-04-01）
付煜,邓钰巧[9]（2019）在《教育软件中基于交互数据的情感检测综述》一文中研究指出研究表明,在线教育中学生的情感状态会影响他们的课程结果和行为表现。在过去的几十年间,在教育领域中,自动检测学习者情感状态的计算模型已经被广泛研究。现今的情感检测器主要分为两类:基于传感器的情感检测器和基于交互数据的检测器。但由于一些政治、经济上因素的限制,传感器不易部署,所以研究者期望仅仅通过学习者与学习环境的交互数据来识别学生学习过程中的情感。分析现有的情感检测模型和方法,并讨论在编程环境中使用情感检测模型的相关工作。(本文来源于《现代计算机(专业版)》期刊2019年08期）
邹宇骁[10]（2019）在《基于情感分析算法在笑声音频检测与应用的探索》一文中研究指出探索笑声的情感分析算法是有意义的研究。本文介绍了笑声心理特征,笑声识别的基本原理,特征提取、计算模型和数据集情况,提出若干问题及可能的解决方案,并在此基础上探讨了研究应用和发展前景。(本文来源于《高考》期刊2019年05期）
情感检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在线评论是用户判断商品质量的一个依据。虚假评论严重影响了消费者的购买行为,现有的虚假评论检测方法从文本出发,忽略了评分的虚假性,评分通常是不精确和不确定的,对虚假评论检测效果不佳。提出融合情感极性与信任函数的虚假评论检测方法(EP-BFRD),利用信任函数处理给定评论者评分中的不确定性和不准确性,考虑与其他评分者提供的评分的相似性,以检测误导性,并判断评论文本情感极性与评分一致性。综合考虑信任函数处理的结果以及评分与文本情感一致性的结果来判断评论的虚假性。在一个真实的数据库上进行实验,实验表明该方法可有效解决虚假评论检测问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
情感检测论文参考文献
[1].罗观柱,赵妍妍,秦兵,刘挺.智能人机对话中的负面情感检测[J].信息安全研究.2019
[2].杨丰瑞,吴晓浩,万程峰.融合情感极性与信任函数的虚假评论检测方法[J].计算机工程与科学.2019
[3].王瑞东.社会化视频主题检测及细粒度情感分析算法研究与实现[D].北京邮电大学.2019
[4].王耀煊.面向多模态高层语义的歧视情感检测[D].北京交通大学.2019
[5].周绍宇.精神科门诊中甲状腺激素检测在双相情感障碍诊断和治疗中的应用[J].名医.2019
[6].张宏伟.血清尿酸、肌酐及血脂水平检测在双相情感障碍患者中的临床意义[J].临床医学研究与实践.2019
[7].方薇,刘兴高,金韬.双相情感障碍患者血尿酸检测的临床价值探讨[J].国际检验医学杂志.2019
[8].张陈.基于多源数据的个体异常检测与情感建模[D].合肥工业大学.2019
[9].付煜,邓钰巧.教育软件中基于交互数据的情感检测综述[J].现代计算机(专业版).2019
[10].邹宇骁.基于情感分析算法在笑声音频检测与应用的探索[J].高考.2019