维吾尔语情感词汇自动识别

doi:10.3969/j.issn.1000-3428.2011.07.072

计算机工程 ›› 2011, Vol. 37 ›› Issue (7): 213-215. doi: 10.3969/j.issn.1000-3428.2011.07.072

维吾尔语情感词汇自动识别

禹龙^a，田生伟^b，冯冠军^c

(新疆大学 a. 网络中心；b. 信息科学与工程学院；c. 人文学院，乌鲁木齐 830046)

出版日期:2011-04-05 发布日期:2011-03-31
作者简介:禹龙(1974－)，女，副教授，主研方向：人工智能；田生伟、冯冠军，副教授、博士
基金资助:
国家社会科学基金资助项目(10BTQ045)；国家自然科学基金资助项目(60963017, 60963018)；新疆大学博士基金资助项目 (BS100120)

Automatic Recognition of Uyghur Emotional Words

YU Long^a, TIAN Sheng-wei ^b, FENG Guan-jun ^c

(a. Net Center; b. Institute of Information Science and Engineering; c. College of Humanities, Xinjiang University, Urumqi 830046, China)

Online:2011-04-05 Published:2011-03-31

摘要/Abstract

摘要： 针对维吾尔语情感词汇获取难度大、人工扩充情感词汇工作量大且效率低的缺陷，结合维吾尔语主观文本语料的具体特点，分析维吾尔语情感词汇在情感语料中表现的特征，建立维吾尔语情感词汇的特征模板，利用条件随机场模型实现维吾尔语情感词汇的自动识别方法。实验结果验证该方法能有效自动识别情感词汇，降低人工识别情感词汇的工作量。

关键词: 维吾尔语, 情感词汇, 特征识别, 条件随机场

Abstract: For expanding uyghur emotional vocabulary and identificating emotional words automatically, efficiency of artificial works is improved. Combined with the specific characteristics of the uyghur subjective text corpus, this paper proposes the full analysis of characteristics of uyghur emotional words in the text, establishes uyghur emotional words feature template, using Conditional Random Fields(CRFs) model to achieve the uyghur emotional words automatic identification method. Experimental results show that the method can effectively recognize the emotional words, and reduce the workload of manual identification of emotional words.

Key words: uyghur, emotional words, feature recognition, Conditional Random Fields(CRFs)

中图分类号:

TP391

禹龙, 田生伟, 冯冠军. 维吾尔语情感词汇自动识别[J]. 计算机工程, 2011, 37(7): 213-215.

YU Long, TIAN Sheng-Wei, FENG Guan-Jun. Automatic Recognition of Uyghur Emotional Words[J]. Computer Engineering, 2011, 37(7): 213-215.

https://www.ecice06.com/CN/Y2011/V37/I7/213

参考文献

[1] Bai Xue, Padman R, Airoldi E. Sentiment Extraction from Unstructured Text Using Tabu Search-enhanced Markov Blanket[C]//Proc. of International Workshop on Mining the Semantic Web. [S. l.]: Springer-Verlag, 2004: 24-35. [2] Pang Bo, Lee L, Vaithyanathan S. Thumbs up: Sentiment Classification Using Machine Learning Techniques[C]//Proc. of Conference on Empirical Methods in Natural Language Processing. Stroudsburg, USA: Association for Computational Linguistics, 2002: 79-86. [3] Tarney P D, Littman M L. Unsupervised Learning of Semantic Orientation from a Hundred-billion-word Corpus[EB/OL]. (2002- 05-15). http://iitatlns2.iit.nrc.ca/publications/nrc-44929_e.html. [4] Wiebe J, Wilson T, Bell M. Identifying Collocation for Recognizing Opinions[C]//Proc. of Workshop on Collocation: Computational Extraction, Analysis, and Exploitation. [S .l.]: ACL Press, 2001: 24-31. [5] 陈曾, 刘光远. 脑电信号在情感识别中的应用[J]. 计算机工程, 2010, 36(9): 168-170. [6] Hatzivassiloglou V, McKeown K R. Predicting the Semantic Orientation of Adjectives[C]//Proc. of the 35th Annual Meeting of the Association for Computational Linguistics. Madrid, Spain: [s. n.], 1997: 174-181. [7] Kobayashi N, Inui T, Inui K. Dictionary-based Acquisition of the Lexical Knowledge for p/n Analysis[J]. Japanese Society for Artificial Intelligence, 2001, 33: 45-50. [8] Turney P D. Mining the Web for Synonyms: PMI-IR versus LSA on TOEFL[C]//Proc. of the 12th European Conference on Machine Learning. Freiburg, Germany: [s. n.], 2001: 491-502. [9] Tumey P D. Thumbs up or Thumbs down? Semantic Orientation Applied to Unsupervised Classification of Reviews[C]//Proc. of the 40th Annual Meeting of the Association for Computational Linguistics. [S. l.]: ACM Press, 2002: 417-424. [10] Dave K, Lawrence S, Pennock D M. Mining the Peanut Gallery Opinion Extraction and Semantic Classification of Product Reviews[C]//Proc. of the International World Wide Web Conference. New York, USA: ACM Press, 2003: 519-528. [11] Kamps J. Visualizing WordNet Structure[C]//Proc. of the 1st Global WordNet Conference. Mysore, India: [s. n.], 2002: 182-186. [12] Kamps J, Marx M, Mokken R J, et al. Using WordNet to Measure Semantic Orientation of Adjectives[C]//Proc. of the 4th International Conference on Language Resources and Evaluation. [S. l.]: Citeseer, 2004: 1115-1118.

[1]	屈潇雅, 李兵, 温立强. 面向行政执法案件文本的事件抽取研究[J]. 计算机工程, 2024, 50(9): 63-71.
[2]	党小超, 刘涧, 董晓辉, 祝忠彦, 李芬芳. 面向不平衡数据的机械设备故障命名实体识别[J]. 计算机工程, 2024, 50(9): 104-112.
[3]	哈里旦木·阿布都克里木, 侯钰涛, 姚登峰, 阿布都克力木·阿布力孜, 陈吉尚. 维吾尔语机器翻译研究综述[J]. 计算机工程, 2024, 50(1): 1-16.
[4]	张博旭, 蒲智, 程曦. 基于提示学习的维吾尔语文本分类研究[J]. 计算机工程, 2023, 49(6): 292-299,313.
[5]	段建勇, 朱奕霏, 王昊, 何丽, 李欣. 基于位置嵌入和多级预测的中文嵌套命名实体识别[J]. 计算机工程, 2023, 49(12): 71-77.
[6]	司逸晨, 管有庆. 基于Transformer编码器的中文命名实体识别模型[J]. 计算机工程, 2022, 48(7): 66-72.
[7]	李军怀, 陈苗苗, 王怀军, 崔颖安, 张爱华. 基于ALBERT-BGRU-CRF的中文命名实体识别方法[J]. 计算机工程, 2022, 48(6): 89-94,106.
[8]	崔丽平, 古丽拉·阿东别克, 王智悦. 基于有向图模型的旅游领域命名实体识别[J]. 计算机工程, 2022, 48(2): 306-313.
[9]	张涛, 朱振东, 王慧, 刘禹辰, 王新年. 基于鞋印图像的性别预测方法[J]. 计算机工程, 2022, 48(11): 306-313.
[10]	黄义妨, 魏丹丹, 武淼, 李慧斌, 郭勐. 面向不同传感器与复杂场景的人脸识别系统防伪方法综述[J]. 计算机工程, 2021, 47(12): 1-18.
[11]	吕江海, 杜军平, 周南, 薛哲. 基于膨胀卷积迭代与注意力机制的实体名识别方法[J]. 计算机工程, 2021, 47(1): 58-65,71.
[12]	何阳宇, 晏雷, 易绵竹, 李宏欣. 融合CRF与规则的老挝语军事领域命名实体识别方法[J]. 计算机工程, 2020, 46(8): 297-304.
[13]	杨飘, 董文永. 基于BERT嵌入的中文命名实体识别方法[J]. 计算机工程, 2020, 46(4): 40-45,52.
[14]	蔡凯, 李新福, 田学东. 基于视觉注意力分析的3D内容生成方法[J]. 计算机工程, 2020, 46(4): 266-272.
[15]	穆妮热·穆合塔尔, 李晓, 杨雅婷. 维吾尔语复杂形态对汉维机器翻译的影响研究[J]. 计算机工程, 2020, 46(2): 309-314.

选择文件类型/文献管理软件名称

选择包含的内容

维吾尔语情感词汇自动识别

Automatic Recognition of Uyghur Emotional Words

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

维吾尔语情感词汇自动识别

Automatic Recognition of Uyghur Emotional Words

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价