社交媒体是人们用来创作、分享、交流意见、观点及经验 的网络平台。社交媒体已经涉及到现代人生活的方方面面, 成为信息传播和维系社会关系的重要渠道。而文本是社交 媒体交流的主要载体。

情感分析是一种重要的信息组织方式,研究的目标是自动挖掘 和分析文本中的立场、观点、看法、情绪和喜恶等主观信息。 其一般的研究框架包含情感抽取、分类、检索与归纳等任务。

主要内容

  • 一、情感词向量构建
  • 二、情感分类
  • 三、深层情感分析
  • 四、情感分析应用

作者介绍: 王伟平,博士,主要研究方向:数据库、海量数据处理。分别于1997年、2001年和2006年获得哈尔滨工业大学计算机科学与工程学院学士、硕士和博士学位。2002年7月至9月在香港理工大学访问学习,2005年7月至12月在新加坡国立大学访问学习。2007年6月至今,在高性能计算机研究开发中心工作,任并行数据组项目组长。负责国家自然科学基金青年基金项目、国家信息安全专项项目、国家242信息安全计划项目多项,发表论文20余篇。曾获得2004年度国家科技进步二等奖(排名第9),2008年度计算所优秀员工,2008年入选计算所“百星计划”。

成为VIP会员查看完整内容
0
32

相关内容

狭义的情感分析(sentiment analysis)是指利用计算机实现对文本数据的观点、情感、态度、情绪等的分析挖掘。广义的情感分析则包括对图像视频、语音、文本等多模态信息的情感计算。简单地讲,情感分析研究的目标是建立一个有效的分析方法、模型和系统,对输入信息中某个对象分析其持有的情感信息,例如观点倾向、态度、主观观点或喜怒哀乐等情绪表达。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等

报告主题: 事理图谱的构建及应用

报告摘要:

知识图谱在各个领域精耕细作,逐渐显露价值,但是现有的知识库普遍是以“概念及概念间的关系”为核心,较少记录“事理逻辑”相关知识,事理逻辑(事件之间的演化规律与模式)是一种非常有价值的人类知识,挖掘这种知识对我们认识人类行为和社会发展变化规律非常有意义。因此本次报告介绍一种新型的知识图谱形式:事理图谱,它是一个事理逻辑知识库,描述了事件之间的演化规律和模式。结构上事理图谱是一个有向有环图,节点代表事件,有向边代表事件之间的顺承、因果、条件和上下位等逻辑关系。本次报告重点介绍事理图谱的定义、构建、推理及应用。

嘉宾简介:

丁效,哈尔滨工业大学助理研究员。主要研究方向为人工智能、自然语言处理、社会计算和事理图谱。2016年获得哈尔滨工业大学博士学位,已在人工智能领域的顶级国际期刊和会议IJCAI、AAAI、EMNLP等发表相关论文20余篇。承担国家自然科学基金青年项目等省部级以上项目四项,参与科技创新2030“新一代人工智能”重大项目、国家重大科技基础设施建设项目、科技部973课题、国家自然科学基金重点项目等。荣获全国青年人工智能创新创业大会三等奖、第五届全国青年计算语言学研讨会优秀论文奖等荣誉。担任中国中文信息学会社会媒体处理专委会秘书、委员、智能金融工作组副组长,中国中文信息学会青年工作委员会委员。个人主页:http://ir.hit.edu.cn/~xding/

成为VIP会员查看完整内容
0
32

报告主题: 多模态--基于视觉的跨模态文本生成

报告摘要: 此次报告主要讲述了多模态中基于视觉的跨模态文本生成,首先介绍了语言-视觉的跨模态任务,并提出了视觉的语义表示、视觉-语言的跨模态对齐等研究问题及其相关解决方案,然后介绍了几种基于视觉的文本生成方法以及基于视觉的文本生成的其他关注点,最后提出了对未来的一些看法。

邀请嘉宾: 魏忠钰,博士,复旦大学副教授。主要研究领域为自然语言处理,机器学习和社会媒体处理,专注于自动化文本生成、论辩挖掘和交叉学科应用研究。于哈尔滨工业大学获得学士和硕士学位,于香港中文大学获得博士学位,2015-2016年于美国德州大学达拉斯分校从事博士后工作,现任中文信息学会社交媒体处理专委会常务委员兼秘书,中国中文信息学会青年工作委员会委员。在自然语言处理、人工智能领域的国际会议、期刊如CL,ACL,SIGIR,EMNLP,AAAI,IJCAI, Bioinformatics等发表学术论文40余篇。担任多个重要国际会议及期刊评审。获得2017年度上海市青年扬帆计划,2019年度全国社会媒体处理大会新锐奖。

成为VIP会员查看完整内容
基于视觉的跨模态文本生成.pdf
0
38

报告主题:网络表示学习

报告摘要:数据特征的有效表示是机器学习任务中最为关键环节之一。网络数据(如社交网络、信息网络等)作为普适而广泛的数据呈现形式,对它的高效表示学习是近年来数据挖掘和机器学习领域的研究热点之一。本报告将重点围绕如下内容展开:(1)网络表示学习的基本概念;(2)几类新型网络表示学习方法,包括:网络Tag表示、域自适应表示、基于网络划分的表示以及内存自适应的表示方法等。

嘉宾简介:宋国杰,北京大学信息科学技术学院副教授。研究方向包括:网络大数据分析、机器学习&数据挖掘、社会网络分析和智能交通系统。主持了包括国家高技术研究发展计划(863计划)、国家科技支撑计划、国家自然科学基金等纵向课题10多项;主持了国际(内)科研机构合作课题、企业横向合作课题等20余项。国家级精品课程主讲教师,两度获得北京大学教学成果一等奖(2012、2009)。在包括国际顶级期刊TKDE、TPDS、TITS以及国际顶级会议KDD、IJCAI、AAAI等发表论文100余篇,是多个国际顶级会议(KDD、WWW、AAAI、IJCAI等)的程序委员。申请国家发明专利10项,软件著作权3项。研究成果获“2012年度中国公路学会科学技术奖一等奖”、“2012年度山西省科学技术奖二等奖”和“2013年度中国公路学会科学技术奖一等奖”。

成为VIP会员查看完整内容
0
5

论坛嘉宾:沈华伟 中国科学院计算技术研究所 研究员

报告主题:图卷积神经网络及其应用

报告摘要:卷积神经网络在处理图像、语音、文本等具有较好空间结构的数据时展现出了很好的优势。然而,卷积神经网络不能直接应用于图(Graph)这类空间结构不规则的数据上。近年来,研究人员开始研究如何将卷积神经网络迁移到图数据上,涌现出ChevNet、MoNet、GraphSAGE、GCN、GAT等一系列方法,在基于图的半监督分类和图表示学习等任务中表现出很好的性能。报告首先梳理和回顾该方向的主要研究进展和发展趋势,进而介绍报告人近期在图卷积神经网络方面的一些研究工作(ICLR’19; IJCAI’19)。

嘉宾简介:沈华伟,博士,中国科学院计算技术研究所研究员,中国中文信息学会社会媒体处理专委会副主任。主要研究方向:社交网络分析、网络数据挖掘。先后获得过CCF优博、中科院优博、首届UCAS-Springer优博、中科院院长特别奖、入选首届中科院青年创新促进会、中科院计算所“学术百星”。2013年在美国东北大学进行学术访问。2015年被评为中国科学院优秀青年促进会会员。获得国家科技进步二等奖、北京市科学技术二等奖、中国电子学会科学技术一等奖、中国中文信息学会钱伟长中文信息处理科学技术一等奖。出版个人专/译著3部,在网络社区发现、信息传播预测、群体行为分析等方面取得了系列研究成果,发表论文100余篇。担任PNAS、IEEE TKDE、ACM TKDD等10余个学术期刊审稿人和KDD、WWW、SIGIR、AAAI、IJCAI、CIKM、WSDM等20余个国际学术会议的程序委员会委员。

成为VIP会员查看完整内容
0
35
小贴士
相关VIP内容
报告 |事理图谱的构建及应用,附61页pdf
专知会员服务
32+阅读 · 1月17日
相关论文
Recurrent Event Network for Reasoning over Temporal Knowledge Graphs
Woojeong Jin,He Jiang,Changlin Zhang,Pedro Szekely,Xiang Ren
3+阅读 · 2019年6月4日
dynnode2vec: Scalable Dynamic Network Embedding
Sedigheh Mahdavi,Shima Khoshraftar,Aijun An
3+阅读 · 2018年12月6日
Trung Minh Nguyen,Thien Huu Nguyen
10+阅读 · 2018年12月1日
ML-Net: multi-label classification of biomedical texts with deep neural networks
Jingcheng Du,Qingyu Chen,Yifan Peng,Yang Xiang,Cui Tao,Zhiyong Lu
5+阅读 · 2018年11月15日
Víctor Gutiérrez-Basulto,Steven Schockaert
9+阅读 · 2018年5月26日
Wei Xue,Tao Li
11+阅读 · 2018年5月18日
Sophie Melville,Kathryn Eccles,Taha Yasseri
3+阅读 · 2018年4月5日
Jiaxuan You,Rex Ying,Xiang Ren,William L. Hamilton,Jure Leskovec
4+阅读 · 2018年2月24日
W. James Murdoch,Peter J. Liu,Bin Yu
7+阅读 · 2018年1月16日
Afroze Ibrahim Baqapuri
3+阅读 · 2015年9月14日
Top