融合显性知识和隐性知识的古诗情感分析

doi:10.13209/j.0479-8023.2025.002

北京大学学报自然科学版 ›› 2025, Vol. 61 ›› Issue (3): 420-430.DOI: 10.13209/j.0479-8023.2025.002

融合显性知识和隐性知识的古诗情感分析

赵宇兰¹, 万广文², 刘忠宝^2,†

1. 山西工程科技职业大学信息工程学院, 晋中, 030619 2. 北京语言大学信息科学学院, 北京 100083

收稿日期:2024-03-20 修回日期:2024-08-18 出版日期:2025-05-20 发布日期:2025-05-20
通讯作者: 刘忠宝, E-mail: zbliu(at)blcu.edu.cn
基金资助:
国家社科基金重点项目(23AZD047)和 2022年山西省教育科学“十四五”规划课题(GH-220313)资助

Sentiment Analysis of Chinese Ancient Poetry by Fusing Explicit Knowledge and Implicit Knowledge

ZHAO Yulan¹, WAN Guangwen², LIU Zhongbao^2,†

1. Information Engineering Faculty, Shanxi Vocational University of Engineering Science and Technology, Jinzhong 030619 2. School of Information Science, Beijing Language and Culture University, Beijing 100083

Received:2024-03-20 Revised:2024-08-18 Online:2025-05-20 Published:2025-05-20
Contact: LIU Zhongbao, E-mail: zbliu(at)blcu.edu.cn

摘要/Abstract

摘要：

充分利用古诗文本的语义特征和相关领域的知识特征, 提出融合显性知识和隐性知识的古诗情感分析模型SACAP。首先从古诗文本中抽取深层次语义特征, 然后在构建古诗知识库的基础上, 设计多维度注意力机制对古诗知识进行特征提取, 最后通过融合古诗文本特征和古诗知识特征, 对古诗情感进行识别。在开放古诗语料FSPC上的实验结果表明, SACAP模型具有比已有模型更优的性能, 并且显性知识比隐性知识具有更大的作用。

关键词: 情感分析, 注意力机制, 显性知识, 隐性知识, 中国古诗

Abstract:

By fully utilizing the features of poetry text and related knowledge, this paper proposes a model SACAP for sentiment analysis of Chinese ancient poems integrating explicit knowledge and implicit knowledge. On the one hand, the model extracts deep semantic features from poetry text, and on the other hand, on the basis of constructing a knowledge base of Chinese ancient poetry, it designs a multidimensional attention mechanism to extract features from Chinese ancient poetry knowledge. The sentiment of Chinese ancient poetry can be determined by taking both features into consideration. The experimental results show that the proposed model performs better than existing models and the explicit knowledge plays much more important role, compared with implicit knowledge.

Key words: sentiment analysis, attention mechanism, explicit knowledge, implicit knowledge, Chinese ancient poetry

赵宇兰, 万广文, 刘忠宝. 融合显性知识和隐性知识的古诗情感分析[J]. 北京大学学报（自然科学版）, 2025, 61(3): 420-430.

ZHAO Yulan, WAN Guangwen, LIU Zhongbao. Sentiment Analysis of Chinese Ancient Poetry by Fusing Explicit Knowledge and Implicit Knowledge[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2025, 61(3): 420-430.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/10.13209/j.0479-8023.2025.002

https://xbna.pku.edu.cn/CN/Y2025/V61/I3/420

[1]	李舟, 刘永彬, 欧阳纯萍, 张江涛, 潘雪, 江璐, 钟进. 基于多模态交叉注意力的阿尔茨海默症辅助诊断研究[J]. 北京大学学报（自然科学版）, 2025, 61(4): 629-638.
[2]	李超, 侯霞, 乔秀明. 融合知识的文博领域低资源命名实体识别方法研究[J]. 北京大学学报自然科学版, 2024, 60(1): 13-22.
[3]	张亚洲, 王梦遥, 戎璐, 俞洋, 赵东明, 秦璟. ChatGPT可否充当情感专家？——调查其在情感与隐喻分析的潜力[J]. 北京大学学报自然科学版, 2024, 60(1): 43-52.
[4]	王瑞, 梁建国, 花嵘. 基于多尺度特征解析的放射学报告生成方法[J]. 北京大学学报自然科学版, 2024, 60(1): 71-78.
[5]	丁娜, 刘鹏, 邵惠鹏, 王学奎. 双向注意力文本关键词匹配法条推荐[J]. 北京大学学报自然科学版, 2024, 60(1): 79-88.
[6]	田原, 庞骁, 赵文祎, 常啸寅, 程楚云, 邹佩, 曹晓澄. 基于Transformer的滑坡短期位移预测模型[J]. 北京大学学报自然科学版, 2023, 59(2): 197-210.
[7]	高晓倩, 周夏冰, 张民. 基于多信息感知的多方对话问答方法[J]. 北京大学学报自然科学版, 2023, 59(1): 21-29.
[8]	王引苗, 韩志敏. 基于多跳路径的知识库补全[J]. 北京大学学报自然科学版, 2022, 58(1): 7-12.
[9]	黄晋, 许实, 蔡而聪, 吴志杰, 郭美美, 朱佳. 基于多通道压缩双线性池化的情感‒原因句子对提取模型[J]. 北京大学学报自然科学版, 2022, 58(1): 21-28.
[10]	马超, 万璋, 张玉洁, 徐金安, 陈钰枫. 引入图像信息的多模态复述生成模型[J]. 北京大学学报自然科学版, 2022, 58(1): 45-53.
[11]	苏丰龙, 孙承哲, 景宁. 融合上下文的残差门卷积实体抽取[J]. 北京大学学报自然科学版, 2022, 58(1): 69-76.
[12]	万璋, 张玉洁, 刘明童, 徐金安, 陈钰枫. 融合物体空间关系机制的图像摘要生成方法[J]. 北京大学学报自然科学版, 2021, 57(1): 75-82.
[13]	田珂珂, 周瑞莹, 董浩业, 印鉴. 基于编码器共享和门控网络的生成式文本摘要方法[J]. 北京大学学报自然科学版, 2020, 56(1): 61-67.
[14]	刘明童, 张玉洁, 张姝, 孟遥, 徐金安, 陈钰枫. 联合自编码任务的多机制融合复述生成模型[J]. 北京大学学报自然科学版, 2020, 56(1): 53-60.
[15]	刘明童, 张玉洁, 徐金安, 陈钰枫. 基于句法结构的神经网络复述识别模型[J]. 北京大学学报自然科学版, 2020, 56(1): 45-52.

融合显性知识和隐性知识的古诗情感分析

Sentiment Analysis of Chinese Ancient Poetry by Fusing Explicit Knowledge and Implicit Knowledge

PDF

可视化

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

留言