{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,5,31]]，“日期时间”：“2024-05-31T15:16:21Z”，“时间戳”：1717168581652}，“出版商位置”：“查姆”，“参考计数”：27，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“值”：“978303084796”，“类型”：”打印“}，{“值”：“9783030884802”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[2021,1,1]]，“date-time”：“2021-01-01T00:00:00Z”，“timestamp”：1609459200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“开始”：{“date-ports”：[2021,1,1]，“日期-时间”：“2041-01-01T 00:00Z”，“timestamp”：1609459200000}，“content-version”：“vor”，“延迟天数”：0，“URL”：“https://www.springer.com\/tdm”}，｛“开始”：｛“日期部分”：[[2021,1,1]]，“日期-时间”：“2021-01-01T00:00:00Z”，“时间戳”：1609459200000｝，“内容版本”：“tdm”，“延迟天数”：0，“URL”：“https://www.springer.com\/gp\/researchers\/text and data mining”｝，｛“开始”：｛“日期部分”：[[2021,1,1]]，“日期时间”：“2021-01-01T00:00:00Z”，“timestamp”：1609459200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2021]}”，“DOI”：“10.1007\/978-3-030-88480-2_42“，”类型“：“book-chapter”，“created”：{“date-parts”：[[2021,10,11]]，“date-time”：“2021-10-11T11:04:52Z”，“timestamp”：1633950292000}，“page”：“531-543”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”源“Crossref”，“is-referenced-by-count”：3，“title”：[“用于基于方面的情感分析的语义增强双通道图形通信网络”]，“前缀”：“10.1007”，“作者”：[{“给定”：“泽豪”，“家族”：“燕”，“序列”：“第一”，“从属”：[]}，{“给出”：“石官”，“家庭”：“庞”，”序列“：“附加”，“隶属”：[]}，“member”：“297”，“published-online”：{“date-parts”：[[2021,10,6]]}，“reference”：[{“key”：“42_CR1”，“first page”：”1137“，“volume”：：“3”，“author”：“Y Bengio”，“year”：“2003”，“unstructured”：“Bengio，Y.，Ducharme，R.，Vincent，P.，Janvin，C.：神经概率语言模型。J.Mach.Learn.Res.3，1137\u20131155（2003）”，“journal-title”：“J.Mach学习与研究”}，{“key”：“42_CR2”，“unstructured”：“Brooke，J.：自动文本情感分析的语义方法。语言学系博士论文-西蒙弗雷泽大学（2009）”}，{”key“：”42_CR3“，”doi-asserted-by“：”crossref“，”unstructure“：“Chen，P.，Sun，Z.，Bing，L.，Yang，W.：用于方面情绪分析的记忆上的重复注意网络。摘自：EMNLP，pp.452\u2013461（2017）”，“DOI”：“10.18653\/v1\/D17-1047”}，{“key”：“42_CR4”，“DOI-asserted-by”：“crossref”，“unstructured”：“Dong，L.，Wei，F.，Tan，C.，Tang，D.，Zhou，M.，Xu，K.：用于目标相关推特情感分类的自适应递归神经网络。摘自：ACL，pp.49\u201354（2014）”，“DOI”：“10.3115\/v1\/P14-2009”}，{“key”：“42_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fan，F.，Feng，Y.，Zhao，D.：面向方面情感分类的多粒度注意网络。摘自：EMNLP，pp.3433\u20133442（2018）”，“DOI”：“10.18653\/v1\/D18-1380”}，{“key”：“42_CR6”，“unstructured”：“He，R.，Lee，W.S.，Ng，H.T.，Dahlmeier，D.：方面级情感分类的有效注意力建模。In：《第27届国际计算语言学会议论文集》，pp.1121\u20131131（2018）”，{“key”：“42_CR7”，“nonstructured”：“Kipf，T.N.，Welling，M.：用图卷积网络进行半监督分类。arXiv预印本arXiv:1609.02907（2016）”}，{“key”：“42_CR8”，“unstructured”：“Liu，K.，Xu，H.L.，Liu，Y.，Zhao，J.：使用部分监督词对齐模型进行意见目标提取。In:IJCAI，vol.13，pp.2134\u20132140（2013）”}.，{，“key“：”42_CR9“，“doi-asserted-by”：“crossref”，“unstructured”：“Nguyen，T.H.，Shirai，K.：PhraseRNN:短语递归神经网络用于基于方面的情感分析。摘自：EMNLP，pp.2509\u20132514（2015）”，“doi”：“10.18653\/v1\/D15-1298”}，{“key”：“42_CR10”，“doi-asserted-by”：：“Pennington，J.，Socher，R.，Manning，C.D.：GlobVe:单词表示的全局向量。In:EMNLP，pp.1532\u20131543（2014）”，“DOI”：“10.3115\/v1\/D14-1162”}，{“key”：“42_CR11”，“DOI-asserted-by”：“crossref”，“unstructured”：“Pontiki，M.，Papageorgiou，H.，Galanis，D.，Androutsopoulos，I.，Pavlopoulos，J.，Manandhar，S.:SemeVal-2014任务4：基于方面的情绪分析，第27页（2014）”，“DOI”：“10.3115\/v1\/S14-2004”}，{“问题”：“6461”，“密钥”：“42_CR12”，“DOI断言者”：“出版商”，“第一页”：“62”，“DOI”：“10.1126\/science.aax0050”，“卷”：“366”，“作者”：“L Pylk\u00e4nen”，“year”：“2019”，“unstructured”：“Pylk\ u00e4 nen，L.：组合语法和语义的神经基础。Science 366（6461），62\u201366（2019）”，“journal-title”：“Science”}，{“key”：“42_CR13”，“doi-asserted-by”：“crossref”，“非结构化”：“Sun，K.，Zhang，R.，Mensah，S.，Mao，Y.，Liu，X.：通过依赖树卷积进行方面级情感分析。摘自：EMNLP-IJCNLP，pp.5683\u20135692（2019）”，“DOI”：“10.18653\/v1\/D19-1569”}，{“key”：“42_CR14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tang，D.，Wei，F.，Yang，N.，Zhou，M.，Liu，T.，Qin，B.：为推特情感分类学习特定情感词嵌入。收录于：ACL，pp.1555\u20131565（2014）”，“DOI”：“10.3115\/v1\/P14-1146”}，{“key”：“42_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tang，H.，Ji，D.，Li，C.，Zhou，Q.：依赖图增强的双转换结构，用于基于方面的情感分类。In：ACL，pp.6578\u20136588（2020）”，“DOI”：“10.18653\/v1\/2020.ACL-main.588”}，{“key”：“42_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wan，H.，Yang，Y.，Du，J.，Liu，Y..，Qi，K.，Pan，J.Z.：基于方面的情感分析的目标-观点-成分联合检测。摘自：AAAI，第34卷，第9122\u20139129页（2020）”，“DOI”：“10.1609\/AAAI.v34i05.6447”}，{“key”：“42_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，K.，Shen，W.，Yang，Y.，Quan，X.，Wang，R.：基于方面的情绪分析的关系图注意网络。arXiv预印本arXiv:2004.12362（2020）”，“DOI”：“10.18653\/v1\/2020.acl-main.295”}，{“key”：“42_CR18”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，W.，Pan，S.J.，Dahlmeier，D.，Xiao，X.：基于方面的情绪分析的递归神经条件随机场。arXiv预印本arXiv:1603.06679（2016）”，“DOI”：“10.18653\/v1\/D16-1059”}，{“key”：“42_CR19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，Y.，Huang，M.，Zhu，X.，Zhao，L.：基于注意的LSTM，用于方面级情感分类。摘自：EMNLP，第606\u2013615页（2016）”，“DOI”：“10.18653\/v1\/D16-1058”}，{“key”：“42_CR20”，“unstructured”：“Xu，H.，Liu，B.，Shu，L.，Yu，P.S.：Bert复习阅读理解和基于方面的情感分析后培训。arXiv预印本arXiv:1904.02232（2019）”}，{“key”：“42_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Xue，W.，Li，T.：用门控卷积网络进行基于方面的情感分析。arXiv预印本arXiv:1805.07043（2018）”，“DOI”：“10.18653\/v1\/P18-1234”}，{“key”：“42_CR22”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yang，M.，Tu，W.、Wang，J.，Xu，F.，Chen，X.：基于注意力的LSTM，用于目标相关情感分类。In:AAAI（2017）”，“DOI”：“10.1609\/aai.v31i.11061”｝，｛“key”：“42_CR23”，“DOI断言者”：“crossref”，“非结构化”：“Zhang，C.，Li，Q.，Song，D.：基于方面的情绪分类，具有特定方面的图卷积网络。arXiv预印本arXiv:1909.03477（2019）”，“DOI”：“10.18653\/v1\/D9-1464”｝，｛“key”：“42_CR24”，“DOI断言者”：“crossref”，“非结构化”：“Zhang，M.，Qian，T.：面向方面情感分析的层次句法和词汇图卷积。In:EMNLP，pp.3540\u20133549（2020）”，“DOI”：“10.18653\/v1\/2020.EMNLP-main.286”}，{“key”：“42_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhao，J.，Wang，X.，Shi，C.，Hu，B.，Song，G.，Ye，Y.：图神经网络的异构图结构学习。In:AAAI（2021）”，“DOI”：“10.1609\/AAAI.v35i5.16600”}，{“key”：“42_CR26”，“DOI-asserted-by”：“publisher”，“first page”：”105443“，“DOI:”10.1016\/J.knosyss.2019.105443“年份”：“2020年”，“非结构化”：“Zhao，P.，Hou，L.，Wu，O.：用图卷积网络建模情感依赖，用于方面级情感分类。Knowl.Based Syst.193，105443（2020）”，“journal-title”：“Knowl.Based Sys.”}，{“key”：“42_CR27”，“doi-asserted-by”：“crossref”，“unstructured”：“Zheng，Y.，Zhang，R.，Mensah，S.，Mao，Y.：复制、行走和停止语法：一个有效的神经网络模型，用于方面级情感分类。见：AAAI，第34卷，第9685\u20139692页（2020）”，“DOI”：“10.1609\/aaaai.v34i05.6517”}]，“container-title”：[“自然语言处理和中文计算”，“计算机科学课堂笔记”]，“original-title”：[]，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-88480-2_42”，“content-type”：“未指定”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“date-parts”：[2024,3,7]]，“日期-时间”：“2024-03-07T15:47:46Z”，“时间戳”：1709826466000}，“score”：1，“资源”：{“主资源”：}“URL”：“https:\/\/link.springer.com/10.1007\/978-3-030-88480-2_42”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期-部件”：[[2021]]}，”ISBN“：[”978303084796“，”9783003084802“]，“引用计数”：27，“URL”：“http://\/dx.doi.org\/10.10007\/978-3-030-88 480-2_43”，“关系”：{}，N“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{“value”：“0302-974”，“type”：”print“}，{“value”：“1611-3349”，“type”：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2021]]}，“assertion”：[{“value”：“2021年10月6日”，“order”：1，“name”：“first_online”，“label”：“first online”，“，”label“：”conference acronym“，”group“：{”name“：“ConferenceInfo”，“label”：“Confection Information”}}，{“value”：“CCF国际自然语言处理与中文计算会议”，“order”：2，“name”：“Conference_name”，“标签”：“会议名称”，“group”：{“name”:“ConferenceInfo”：“会议城市”，“群组”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“中国”，“order”：4，“name”:“Conference_country”，“标签”：“会议国家”，“group”：电子信息“，“label”：“Conference Information”}}，{“value”：“2021年10月13日”，“order”：7，“name”：“Conference_start_date”，“lable”：“会议开始日期”，“group”：{“name”:“ConferenceInfo”，”label“：”ConferenceInformation“}，”{“value”：”2021年十月17日“，”order“：8，”name“Conference_end_date”：“会议信息”}}，{“value”：“10”，“order”：9，“name”：“Conference_number”，“label”：“ConferenceNumber”，“group”：{“name”:“ConferenceInfo”，”label“：”ConferenceInformation“}}：“http://\/tcci.ccf.org.cn\/conference\/2021\/”，“order”：11，“name”：“conference_url”，“label”：“conference url”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}，{“value”：“Double-blind”，“订单”：1，“name“type”，”label“：”type“，”group“：{”name“：”ConfEventPeerReviewInformation“，”lable“：“同行评议信息（由会议组织者提供）”}}，{“value”：“Softconf”，“order”：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）：“number_of_submissions_sent_for_review”，“label”：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“标签”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“66”，“order”：4，“name”：“number _of_full_papers_accepted”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}：“15%-该值由等式“接受的全文数”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“label”：“全文接受率”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评议信息（由会议组织者提供）”}}，{“value”：“3”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“No”，“order”：9，“name”:“external_reviewers_involved”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“还包括23篇海报论文和27篇研讨会论文。”，“order”：10，“name”：“additional_info_on_Review_process”，“标签”：“评审过程的附加信息”，“group”：：“同行评审信息（由会议组织者提供）”}}]}}