论文部分内容阅读
古诗作为中小学语文教育的学习重点,无论是在应试教育还是在素质教育体系中均扮演着至关重要的角色。古诗推荐这一智能知识服务能在学生进行古诗拓展学习时主动推送相似的古诗,避免了学生在海量数据中寻找相似古诗造成时间的浪费。而古诗蕴含的情感是古诗学习最重要的内容之一,因此本文将情感视为古诗推荐的重要维度特征,并基于此,展开基于情感分类的古诗推荐研究。本文具体工作如下:本文提出了融合意象知识的古诗情感分类模型(IIK-ECM)。由于古诗文本存在晦涩难懂、与现代中文文本差别较大等特点,传统的情感分类模型可能因为理解困难而出现分类效果不佳的情况。针对此问题,本文首先研究了中国古诗的传统意象内涵,挖掘出意象特有的情感表示,并构建意象词典;IIK-ECM模型利用意象词典,在古诗文本中融入意象词所对应的情感内容,根据融入情感知识的古诗文本进行分类,从而提高了古诗情感分类的效果。在具体实验中,本文首先根据《唐诗三百首》数据人工验证了意象词典构建的准确性;然后在古诗情感强度数据集FSPC上进行了对比实验,实验结果表明本文提出的IIK-ECM模型在情感分类评价指标准确率和F1值上均优于基线模型。为了丰富推荐维度并提高古诗推荐在情感维度上的准确性,使古诗推荐结果更可靠,本文提出了融合情感知识的古诗推荐方法。该方法首先利用上述IIK-ECM模型获取古诗情感知识;然后采用基于伯努利负采样的TransE模型(BNS-TransE)对古诗进行向量表示,由于生成的古诗嵌入向量融合了情感知识,因此能在情感维度更好地表示古诗;最后通过欧式距离计算古诗向量相似度并生成古诗推荐列表。具体实验中,将BNS-TransE模型和基线模型在古诗知识库上进行对比实验,实验结果表明BNS-TransE模型在MR和HITS1等知识表示评价指标上均优于基线模型;就古诗推荐的实验结果而言,融合情感知识后的古诗推荐列表中与目标古诗情感极性相同的古诗数量显著增加,证明了融合情感知识后的推荐结果更可靠,在情感维度上的推荐更准确。