简介:摘要:随着人工智能技术的不断发展,人们不再满足于传统的机械化的智能软件,对计算机功能的需求提出了更高的要求。如何让计算机更加智能的识别出人的情感,就像人一样可以亲切、自然的交流,成为目前人工智能研究的一个重要课题。随着互联网的迅速发展,人类与机器之间的相互作用将成为未来电脑发展的重要趋势,具有重要的科学意义、经济意义和实际意义。深度学习是一项重要的人工智能技术,它在图像识别和语言处理中有着重要的地位。文章简要的分析了语音情感识别系统的核心技术,阐述了卷积神经网络原理,并进一步就传统的卷积神经网络提出改进建议,最后分析了语音情感识别的应用领域和应用场景,为人机交互未来的发展提出建设性的设想。
简介:短文本情感分类是一种面向主观信息分类的文本分类任务,具有重要的研究价值和广泛的应用前景,如旅游景区口碑评价、舆情跟踪、产品声誉分析等。为了提高短文本情感分类准确率,文章提出了一种基于Stacking融合深度学习模型和传统机器学习模型的短文本情感分类方法。该方法从短文本数据集分别提取TFIDF和Word2Vec特征,并作为传统机器学习模型和深度学习模型的输入,再基于Stacking技术将多个基分类器(包括Logistic,PassiveAggressive,Ridge,SVC,SVR等传统机器学习模型和深度学习文本分类模型TextRCNN)的分类结果进行融合处理,得到短文本情感分类的最终结果。该方法采用LightGBM作为Stacking最后一层的分类器,基于旅游景区网络评论数据集进行了验证。实验结果表明,该方法能够获得比最好基分类方法更好的分类效果,而且对积极、中性和消极三类情感文本的平均分类准确率达到了71.02%。
简介:摘要关注学生的情感生活和情感体验,是新课程的具体体现,需要教师以教材为依托,以教师的情感呼唤学生的情感,用教师的心灵碰撞学生的心灵,将文章情、教师情、学生情和谐统一在听、说、读、写中,使整个语文课堂流动着师生之情,凸现着“一枝一叶总关情”的情感教育。