{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,14]]，“日期-时间”：“2024-06-14T15:55:08Z”，“时间戳”：1718380508940}，“引用-计数”：297，“出版商”：“Springer Science and Business Media LLC”，“问题”：“3”，“许可证”：[{“开始”：{-日期-部件“：[2024,3,5]]，“时间我”：“2024-03-05T00:00:00Z”，“timestamp”：1709596800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0”}，{“start”：{“date-parts”：[[2024,3,5]]，“date-time”：“2024-03-05T00:00:00Z”，“timetamp”：170 9596800000}，/creativecommons.org\/licenses\/by\/4.0“}]，”出资人“：[{”名称“：“马来西亚政府对马来西亚彭亨大学（UMP）的基本研究资助计划（FRGS）。”，“奖项”：[“FRGS\/1\/2018\/ICT02\/UMP\/02\/15”，“FRGS \/12019\/ICT02 \/UMP \/02\\/8”]}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[”Artif Intell Rev“]，“abstract”：“摘要<\/jats:title>社交媒体被用来对产品或服务进行分类，但分析大量评论很耗时。研究人员通过自然语言处理使用情绪分析，通过文献综述和评估传统地评估方法和结果。然而，我们的方法有所不同，因为我们提供了一个全面的分析视角，其中包括批判性分析、研究结果、已确定的差距、局限性、挑战和近期基于深度学习的情绪分析的未来前景。此外，我们对情绪分析、流行数据分类、预处理方法、文本表示、学习模型和应用程序进行了深入调查。我们对深度学习架构的最新进展进行了全面评估，评估了它们的优缺点。此外，我们对深度学习方法进行了细致的分析，整合了对应用工具、优势、劣势、性能结果、研究差距的见解，并进行了详细的基于特征的检查。此外，我们对情感分析领域中成功提高准确性的挑战、缺点和因素进行了深入讨论。我们文章的关键比较分析清楚地表明，基于胶囊的RNN方法给出了最佳结果，准确率为98.02%，这是基于CNN或RNN的模型。我们在四个基准中实施了各种先进的深度学习模型，以确定最佳表现者。此外，我们引入了创新的CRDC（Capsule with Deep CNN and Bi-structure RNN）模型，与其他方法相比，该模型表现出了优越的性能。我们提出的方法在不同的数据库中取得了显著的准确性：IMDB（88.15%）、Toxic（98.28%）、CrowdFlower（92.34%）和ER（95.48%）。因此，该方法有望用于自动情绪分析和潜在部署<\/jats:p>“，”DOI“：”10.1007\/s10462-023-10651-9“，”type“：”journal-article“，”created“：{”date-parts“：[[2024,2,19]]，”date-time“：”2024-02-19T11:02:37Z“，”timestamp“：1708340557000}，”update-policy“：“http://\/dx.DOI.org\/10007\/springer_crossmark_policy”，“source”：“Crossref”，”is-referenced-by-count“：1，”title“：[”\“情绪分析深度学习的挑战和未来：综合评述和提出的新型混合方法”“]，”前缀“：”10.1007“，”卷“：”57“，”作者“：[{”给定“：”Md.Shofiqul“，”家庭“：”伊斯兰“，”序列“：”第一“，”从属“：[]}，{”已知“：”穆罕默德·诺马尼“，”家族“：”卡比尔“，”顺序“：”附加“，”隶属“：[]}，”给定“Ngahzaifa Ab“，”family“：”Ghani“，”sequence“：”additional“，”affiliation“：[]}，”{“given”：”Kamal Zuhairi“，“family”：”Zamli“，”序列“：”additional“、”affidiation“：[]}、”给定“：”Nor Saradatul Akmar“，”家庭“：”Zulkifi“，“sequence”：附加“，”从属“：[]}，{”给定“：”Mohammad Ali“，”family“：”Moni“，”sequence“：”additional“，”affiliation“：[]}]，”member“：”297“，”published-on-line“：{”date-parts“：[[2024,3,5]]}，”reference“：[{”issue“：”1“，”key“：”10651_CR1“，“first page”：“1”，“volume”：”13“author”：“M Abadi”，“year”：“2022”，“unstructured”：“Abadi M，Abootalebi V，Adam M，Akhtt ar Z、Akleman E、Al Chanti D、Al Jazaery M（2022）2021年ieee情感计算交易索引第12卷。IEEE Trans-Affect Compute 13（1）：1\u201316“，”journal-title“：”IEEE Trans-Affect Computer“}，{”key“：”10651_CR2“，”doi-asserted-by“：”crossref“，”first page“：“1”，”doi“：”10.1016\/j.knosys.2020.106658“，”volume“:”213“，”author“：”A Abdi“，“year”：“2021”，“unstructured”：“Abdi A，Hasan S，Shamsuddin SM，Idris N，Piran j（2021）”一种基于多特征融合的面向观点的多文档摘要混合深度学习体系结构。Knowl-Based Syst 213:1\u201315“，”journal-title“：”Knowl-Based Syst}，{“key”：“10651_CR3”，“doi-asserted-by”：“crossref”，“first page”：”204“，”doi“：”10.1016\/j.inffus.2021.06.003“，”volume“：”76“，”author“：”SA Abdu“，“year”：“2021”，“unstructured”：“Abdu SA，Yousef AH，Salem A（2021）”使用深度学习方法的多模态视频情感分析，一项调查。Inform Fusion 76:204\u2013226”，“期刊标题”：“Inform Fusion”}，｛“issue”：“5”，“key”：“10651_CR4”，“doi asserted by”：“crossref”，“首页”：“657”，“doi”：“10.1109\/TAI.20213114390”，“volume”：“3”，“author”：“HQ Abonizio”，“year”：“2021”，“nonstructured”：“Abonizio HQ，Paraiso EC，Barbon S（2021）面向情感分析的文本数据增强。IEEE Trans-Artif Intell 3（5）：657\u2013668“，”journal-title“：”IEEE Trans-Artif Intell“}，{”key“：”10651_CR5“，”doi-asserted-by“：”crossref“，”first page“：“638”，“doi”：“10.1016\/j.patrec.2020.09.010”，“volume”：“138”，“author”：“P Afsha”，“year”：“2020”，“unstructured”：“Afshar P，Heidarian S，Naderkhani F，Oikonomou A、Plataniotis KN、Mohammadi A（2020年）冠状病毒：一种基于胶囊网络的框架，用于从x射线图像中识别19例冠状病毒病例。Patt Recogn Lett 138:638\u2013643“，”journal-title“：”Patt Recoign Lett“}，{”issue“：”1“，”key“：”10651_CR6“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1186\/s12859-018-2496-4”，“volume”：“19”，“author”：“A Agibetov”，“year”：“2018”，“unstructured”：“Agibetov-A，Blagec K，Xu H，Samwald M（2018）生物医学句子分类的快速可扩展神经嵌入模型。BMC Bioninform 19（1）：1\u20139“，“journal-title”：“BMC Bioinform”}，{“key”：“10651_CR7”，“unstructured”：“Agire E，Apidianaki M，Vuli\u0107 I（2022）《由内而外的深度学习程序》（deelio 2022）：关于深度学习架构的知识提取和集成的第三次研讨会。In：由内而出的深度学习（deelio 2022）：关于深度学习架构的知识提取和集成的第三次研讨会，第1\u20138页“}，{“问题”：“2”，“关键”：“10651_CR8”，“doi-asserted-by”：“crossref”，“首页”：“223”，“doi”：“10.1080\/17517575.2020.1755455”，“卷”：“16”，“作者”：“MP Akhter”，“年份”：“2022年”，“非结构化”：“Akhter MP，Jiangbin Z，Naqvi IR，Abdelmajeed M，Fayyaz M（2022）探索产品制造中urdu文本分类的深度学习方法。企业信息系统16（2）：223\u2013248“，“日志标题”：“企业信息系统”}，{“key”：“10651_CR9”，“doi-asserted-by”：“crossref”，“首页”：“2163”，“doi”：“10.1007\/s13042-018-0799-4”，“卷”：“10”，“作者”：“M Al Smadi”，“年份”：“2019”，“非结构化”：“Al Smadi M，Talafha B，Al Ayyoub M，Jararweh Y（2019）使用长短期记忆深度神经网络对阿拉伯语评论进行基于方面的情绪分析。Int J Mach Learn Cybern 10:2163\u20132175“，”journal-title“：”Int J Mach Learn Crybern“}，{“问题”：“3”，“关键”：“10651_CR10”，“首页”：“1”，“卷”：“8”，“作者”：“S Albahli”，“年份”：“2022”，“非结构化”：“Albahli-S，Awan A，Nazir T，Irtaza A，Alkhalifah A，Albattah W（2022）一种使用新闻文章进行股市预测的深度学习方法dcwr和hanet。Compl Intell Syst 8（3）：1\u201317“，“journal-title”：“Compl Intel-Syst”}，{“key”：“10651_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Albahri A，Duhaim AM，Fadhel MA，Alnoor A，Baqer NS，Alzubaidi L，Albahri-O，Alamodi A，Bai J，Salhi A，et al（2023）医疗保健中可信和可解释人工智能的系统综述：质量评估、偏差风险和数据融合。信息融合“，”DOI“：”10.1016\/j.inffus.2023.03.008“}，{”key“：”10651_CR12“，”DOI-asserted-by“：”crossref“，”first page“：“19”，“DOI”：“10.5121\/ijdkp.2019.9302”，“volume”：“9”，“author”：“NM Ali”，“year”：“2019”，”unstructured“：”Ali NM，Abd El Hamid MM，Youssif A（2019）使用深度学习模型对电影评论数据集进行情感分析。Int J Data Min Knowl Manag Process（IJDKP）9:19\u201327“，”journal-title“：”Int J Data-Min Knowl-Manag Process:“”}，{“key”：“10651_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Alm CO，Sproat R（2005）”童话中的情感排序和发展。摘自：情感计算和智能交互国际会议，第668\u2013674页。Springer“，”DOI“：”10.1007\/11573548_86“}，{“key”：“10651_CR14”，“DOI-asserted-by”：“crossref”，“first page”：”78609“，“DOI”：“10.1109\/ACCESS.2018.2885117”，”volume“：”6“，”author“：”S Aloufi“，”year“2018”，“unstructured”：“Aloufi S，El Saddik A（2018）足球专用推文中的情绪识别。IEEE ACCESS 6:78609\u201378626 1“，”新闻标题“：”IEEE Access“｝，｛“issue”：“1”，“key”：“10651_CR15”，“doi asserted by”：“crossref”，”“第一页的基于阿拉伯语推文的情绪分析，以调查covid-19对ksa的影响：一种深度学习方法。大数据Cognit Compute 7（1）：16“，”journal-title“：”Big Data Cognit compute“}，{”issue“：”2“，”key“：”10651_CR16“，”doi-asserted-by“：”crossref“，”first page“：“2499”，“doi”：“10.1007\/s13369-021-06227-w”，“volume”：“47”，“author”：“A Alsayat”，“year”：“2022”，“unstructured”：“Alsayat A（2022）使用集成深度学习语言模型改进社交媒体应用程序的情感分析。阿拉伯科学与工程杂志47（2）：2499\u20132511“，”期刊标题“：”阿拉伯科学与工程学“}，{”问题“：”6“，”关键字“：”10651_CR17“，”doi-asserted-by“：”crossref“，”首页“：”4701“，”doi“：”10.1007 \/s00521-0722-07992-x“，”卷“：”35“，”作者“：”A Alsayat“，”年份“：”2023“，”非结构化“：”AlsayatA（2023）基于使用机器学习的大社会数据的客户决策分析：麦加酒店的案例研究。神经计算应用程序35（6）：4701\u20134722“，”journal-title“：”Neural Comput Appl“}，{”issue“：”3“，”key“：”10651_CR18“，”doi-asserted-by“：”crossref“，”first-page“：”3267“，”doi“：”10.1007\/s11063-022-11009-y“，”volume“：“55”，”author“：”A Alsayat“，”year“2023”，”unstructured“：”Alsayat-A，Ahmadi H（2023）使用神经网络集成和文本挖掘的混合方法从在线学习平台的大数据集进行学习者满意度分析。Neural Process Lett 55（3）：3267\u20133303“，”journal-title“：”Neural Process-Lett“}，{”issue“：”1“，”key“：”10651_CR19“，”doi-asserted-by“：”crossref“，”first page“：“271”，“doi”：“10.3390\/pr11010271”，“volume”：“11”，“author”：“A Alsayat”，“year”：“2023”，“unstructured”：“Alsayat A，Ahmadi H（2023）工人们对使用物联网提高橄榄油行业绩效的意见：机器学习方法。进程11（1）：271“，“journal-title”：“进程”}，{“问题”：“1”，“关键”：“10651_CR20”，“doi-asserted-by”：“交叉引用”，“首页”：“7”，“doi”：“10.1016\/j.eij.2019.06.01”，“卷”：“21”，“作者”：“A Alsayat”，“年份”：“2020”，“非结构化”：“Alsayat-A，Elmitwally N（2020）阿拉伯情绪分析的综合研究（挑战和应用）.埃及新闻J 21（1）：7\u201312“，“新闻标题”：“埃及新闻J”}，{“键”：“10651_CR21”，“首页”：“1”，“卷”：“14”，“作者”：“A Altaf”，“年”：“2023”，“非结构化”：“Altaf A，Anwar MW，Jamal MH，Bajwa UI（2023）利用语言特征以有效分析urdu语言句子级的情感。Multim Tools Appl 14:1\u201327”，“journal-title“：”Multim Tools Appl“}，{“issue”：“1”，“key”：“10651_CR22”，“doi-asserted-by”：“crossref”，“first-page”：“46”，“doi”：“10.1186\/s40537-023-00727-2”，“volume”：”10“，”author“：”L Alzubaidi“，”year“2023”，“unstructured”：“Alzubaidi L、Bai J、Al-Sabaawi A、Santamar\u00eda J、Albahri A、Al-dabbagh BSN、Fadhel MA、Manoufali M、Zhang J、Al-Timemy AH等人（2023）关于处理数据稀缺的深度学习工具的调查：定义、挑战、解决方案、提示和应用。J Big Data 10（1）：46“，“journal-title”：“J Big Data}，{“key”：“10651_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Amulya K，Swathi S，Kamakshi P，Bhavani Y（2022）使用机器学习和深度学习算法对imdb电影评论进行情绪分析。年：2022年第四届智能系统和发明技术国际会议（ICSSIT）第814\u2013819页。IEEE“，”DOI“：”10.1109\/ICSSIT53264.2022.9716550“}，{“key”：“10651_CR24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Aouali I，Benhalloum A，Bompaire M，Ait Sidi\u00a0Hammou A，Ivanov S，Heymann B，Rohde D，Sakhi O，Vasile F，Vono M（2022）使用深度学习和快速最大化内部产品搜索奖励优化推荐。在：第28届ACM SIGKDD知识发现和数据挖掘会议记录，pp.4772\u20134773“，DOI”：“10.1145\/3534678.3542622”}，｛“key”：“10651_CR25”，“DOI断言”：“crossref”，“非结构化”：“Ajib M，Mehmood R，Albeshri A，Alzahrani A（2018）通过使用深度学习和gpu预测交通计划在智能城市中进行灾害管理，第139\u2013154页，“DOI”：“10.1007\/978-3-319-94180-6_15”}，{“key”：“10651_CR26”，“unstructured”：“Araci D（2019）Finbert：使用预解释语言模型进行财务情绪分析。ICLR 2020会议盲报，1\u201310”}doi-asserted-by“：”crossref“，”doi“：”10.1016\/j.asoc.2023.110404“，”volume“：”143“，“author”：“S Aslan”，“year”：“2023”，“unstructured”：“Aslan S（2023）基于深度学习的情绪分析方法（mf-cnn-bilstm）和乌克兰-俄罗斯冲突相关推文的主题建模。Appl Soft Compute 143:110404“，”journal-title“：”Appl Soft-Compute“}，{”key“：”10651_CR28“，”first page“：“1”，“volume”：“142”，“author”：“DS Asudani”，“year”：“2023”，“unstructured”：“Asudani-DS，Nagwani NK，Singh P（2023）单词嵌入模型对深度学习环境中文本分析的影响：综述。Artif Intell Rev 142:1\u201381”，“journal-title”：“”Artif Intell Rev“}，{“key”：“10651_CR29”，“unstructured”：“Baccianella S，Esuli A，Sebastiani F（2010）Sentiwordnet 3.0：用于情感分析和意见挖掘的增强词汇资源。收录：第七届语言资源与评估国际会议论文集（LREC\u201910），第1\u20135页”}，}1”，“卷”：“2015年”，“作者”：“D Bahdanau”，“年份”：“2014年”，”非结构化“：“Bahdanou D，Cho K，Bengio Y（2014）联合学习对齐和翻译的神经机器翻译。Int-Conf-Learn Representat ICLR 2015:1\u201315“，“journal-title”：“Int-Conf Learn Repersentat ICRL”}，{“key”：“10651_CR31”，“doi-asserted-by”：“crossref”，“unstructured”：“Bai Q，Dan Q，Mu Z，Yang M（2019）表情符号系统综述：当前研究和未来展望。心理学前沿，2221”，“doi”：“10.3389”，/fpsyg.2019.02221“}，”{“issue”：“5”，“key“：“10651_CR32”，“doi-asserted-by”：“crossref”，“first page”：“7206”，“doi”：“10.1007\/s11227-021-04169-6”，“volume”：”78“，“author”：“V Balakrishnan”，“year”：“2022”，“unstructured”：“Balakrashnan V，Shi Z，Law CL，Lim R，Teh LL，Fan Y（2022）预测2019年产品情绪评级的深度学习方法：比较分析。J Supercomput 78（5）：7206\u20137226“，“journal-title”：“J Supercomput”}，{“key”：“10651_CR33”，“doi-asserted-by”：“crossref”，“unstructured”：“Basile V，Bosco C，Fersini E，Debora N，Patti V，Pardo FMR，Rosso P，Sanguinetti M，et al（2019）2019年学期任务5：多语言检测推特中针对移民和妇女的仇恨言论。摘自：第十三届语义评估国际研讨会，第54\u201363页。计算语言学协会“，”DOI“：”10.18653\/v1\/S19-2007“}，{”issue“：”1“，”key“：”10651_CR34“，”DOI-asserted-by“：”crossref“，”first page“：“1239”，“DOI”：“10.33395\/jmp.v12i1.12693”，“volume”：“12”，“author”：“A Basir”，“year”：“2023”，“unstructured”：“Basir A，Puspitasari ED，Aristarini CC，Sulast PD，Ausat AMA（2023年）领导层和战略决策中聊天工具的道德使用。J Minfo Polgan 12（1）：1239\u20131246“，”journal-title“：”J Minfo-Polgan“}，{”key“：”10651_CR35“，”doi-asserted-by“：”crossref“，”first page“：“279”，“doi”：“10.1016\/J.future.2020.08.005”，“volume”：“115”，“author”：“ME Basiri”，“year”：“2021”，“unstructured”：“Basiri ME，Nemati S，Abdar M，Cambria E，Acharya UR（2021）Abcdm：用于情绪分析的基于注意力的双向cnn-rnn-deep模型。Future Gener Compute Syst 115:279\u2013294“，”journal-title“：”Future Gene Compute Systemt“}，{”key“：”10651_CR36“，”doi-asserted-by“：”crossref“，”first page“：“111866”，”doi“：”10.1109\/ACCES.2019.2934529“，”volume“:”7“，”author“：”E Batbaatar“，”year“：”2019“”unstructured“：”Batbaatar-E，Li M，Ryu KH（2019）基于语义运动神经网络的文本情感识别。IEEE Access 7:111866\u2013111878“，”journal-title“：”IEEE Access“}，{”issue“：”22“，”key“：”10651_CR37“，”doi-asserted-by“：”crossref“，”first-page“：”20213“，”doi“：”10.1007\/s00521-0722-07531-8“，“volume”：“34”，“author”：“G Bathla”，“year”：“2022”，“unstructured”：“Bathla G，Singh P，Singh RK，Cambria E，Tiwari R（2022）基于方面提取和深度学习分析的智能虚假评论检测。神经计算应用程序34（22）：20213\u201320229“，”journal-title“：”Neural Comput Appl“}，{”issue“：”1“，”key“：”10651_CR38“，”doi-asserted-by“：”crossref“，”first-page“：”5“，”doi“：”10.1186\/s13677-022-00386-3“，”volume“12”，”author“：”MS Ba\u015farsland“，“year”：“2023”，”unstructured“：”Ba\u15farsland-MS，Kayaalp F（2023年）Mbi grumconv：一种用于社交媒体情绪分析的基于多bi gru和多cnn的新型深度学习模型。J Cloud Compute 12（1）：5“，”journal-title“：”J Cloud-Comput“}，{”issue“：”1“，”key“：”10651_CR39“，”doi-asserted-by“：”crossref“，”first page“：“277”，“doi”：“10.12785\/ijcds\/110123”，“volume”：“11”，“author”：“S Behdenna”，“year”：“2022”，“unstructured”：“Behdena S，Fatiha B，Belalem G（2022）基于本体的方法，用于增强标准阿拉伯语评论中的显式方面提取。Int J Compute Dig Syst 11（1）：277\u2013287“，”journal-title“：”Int J compute Dig-Syst“}，{”issue“：”1“，”key“：”10651_CR40“，”doi-asserted-by“：”crossref“，”first page“：“3”，”doi“：”10.1007\/s44196-022-00164-8“，“volume”：“16”，“author”：“H Benarafa”，“year”：“2023”，“unstructured”：“Benarafa-H，Benkhalifa M、Akhloufi M（2023年）基于Wordnet语义关系的knn模型增强，用于情感分析中的隐式方面识别。Int J Computat Intell Syst 16（1）：3“，”journal-title“：”Int J Computat Intel-Syst“}，{“issue”：“3”，“key”：“10651_CR41”，“doi-asserted-by”：“crossref”，“first page”：”2325“，”doi“：”10.1007\/s10462-022-1025-3“，”volume“：”56“，”author“：”R Bensoltane“，”year“2023”，”unstructured“：”BensoltaneR，Zaki T（2023）基于方面的情感分析：阿拉伯语使用概述。《Artif Intell Rev》56（3）：2325\u20132363“，“journal title”：“Artif Intel Rev”}，{“key”：“10651_CR42”，“unstructured”：“Bernhard D，Fabo PR（2022）Elal：用于分析阿尔萨斯戏剧的情感词典。收录于：语言资源与评估会议，第5001\u20135010页”}、{“key”：《10651_CR》43，“首页”：“1”，“卷”：“2022”，“作者”：“SK Bharti”，“年份”：“2022年”，“非结构化”：“Bharti SK，Gupta RK，Shukla PK，Hatamleh WA，Tarazi H，Nuagah SJ（2022）多模态讽刺检测：深度学习方法。Wirel Communicat Mobile Comput 2022:1\u201310“，”journal-title“：”Wirel Commocat Mobile Compute“}，{”key“：”10651_CR44“，”doi-asserted-by“：”crossref“，”first page“：“68580”，”doi“：”10.1109\/ACCESC.2020.2983859“，”volume“：8”，“author”：“M Bibibi”，“year”：“2020”，“unstructured”：“Bibi M，Aziz W，Almaraashi M，Khan IH，Nadeem MSA，Habi b N（2020年）一个基于多数投票的协作二元聚类框架，用于推特情感分析。IEEE Access 8:68580\u201368592“，“journal-title”：“IEEE Access”}，{“issue”：“2”，“key”：“10651_CR45”，“doi-asserted-by”：“crossref”，“first-page”：“1484”，“doi”：“10.1002”//widm.1484“，”volume“：“13”，“author”：“B Bischl”，“year”：“2023”，“unstructured”：“Bischl B、Binder M、Lang M、Pielok T、Richter J、Coors S、Thomas J、Ullmann T、Becker M、Boulesteix A-L等（2023）超参数优化：基础、算法、最佳实践和开放挑战。威利跨学科Rev Data Min Knowl Disc 13（2）：1484“，“journal-title”：“威利跨专业Rev Data Min Knowl Disc”}，{“key”：“10651_CR46”，“doi-asserted-by”：“crossref”，“first-page”：“135”，“doi”：“10.1162\/tacl_a_00051”，“volume”：”5“，“author”：“P Bojanowski”，“year”：“2017”，“unstructured”：“Bojanoowski P，Grave E，Joulin a，Mikolov T（2017）用子单词信息丰富单词向量。Trans-Associat Computer Linguist 5:135\u2013146“，”journal-title“：”Trans-Assiciat Compute Linguist“}，{“key”：“10651_CR47”，“doi-asserted-by”：“crossref”，“unstructured”：“Bosselut A，Le\u00a0Bras R，Choi Y（2021）零快照常识性问题回答的动态神经符号知识图构建。摘自：AAAI人工智能会议记录，第35卷，第4923\u20134931页“，”DOI“：”10.1609\/AAAI.v35i6.16625“}，{“key”：“10651_CR48”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cambria E，Hussain A（2015）Senticnet。摘自：Sentic Computing，第23\u2013 71页“doi-asserted-by“：”crossref“，”unstructured“：”Cambria E，Li Y，Xing FZ，Poria S，Kwok K（2020）Senticnet 6:将符号和次符号ai集成应用于情绪分析。在：《第29届ACM信息与知识管理国际会议论文集》，第105\u2013114页，“DOI”：“10.1145\/3340531.3412003”，｛“key”：“10651_CR50”，“nonstructured”：“Cambria E，Liu Q，Decherchi S，Xing F，Kwok K（2022）句子7：一个基于常识的神经符号人工智能框架，用于可解释的情绪分析。摘自：第十三届语言资源与评估会议记录，第3829\u20133839页“}，{“问题”：“1”，“关键”：“10651_CR51”，“doi-asserted-by”：“crossref”，“第一页”：“749”，“doi”：“10.1007\/s10462-022-10183-8”，《卷》：“56”，“作者”：“JY-L Chan”，‘年份’：“2023”，“非结构化”：“Chan JY-L，Bea KT，Leow SMH，Phoong SW，Cheng WK（2023）最新进展：基于顺序迁移学习的情绪分析综述。Artif Intell Rev 56（1）：749\u2013780“，”journal-title“：”Artif Intel Rev“}，{”issue“：”8“，”key“：”10651_CR52“，”doi-asserted-by“：”crossref“，”first page“：“393”，”doi“：”10.3390\/info13080393“，“volume”：“13”，“author”：“A Chaves”，“year”：“2022”，“unstructured”：“Chaves A，Kesiku C，Garcia-Zapirain B（2022）”生物医学文本数据的自动文本摘要：系统综述。信息13（8）：393“，”新闻标题“：”信息“}，{“key”：“10651_CR53”，“doi-asserted-by”：“crossref”，“首页”：“221”，“doi”：“10.1016\/j.eswa.2016.10.065”，“卷”：“72”，“作者”：“T Chen”，“年份”：“2017”，“非结构化”：“Chen T，Xu R，He Y，Wang X（2017）使用bilstm-crf和cnn通过句子类型分类改进情感分析。Expert Syst Appl 72:221\u2013230“，”journal-title“：”Expert Syss Appl“}，{”key“：”10651_CR54“，”doi-asserted-by“：”crossref“，”unstructured“：”Chen J，Chen R，Yu D（2021）基于bert-bilstm-cbam.CONVERTER，pp 281\u2013287“，”doi“：”10.17762\/CONVERTER.128“}”，{“key”：“10651_CR55”，“doi-asserted-by”：“”crossref”，“非结构化”：“Cho K，Van Merri\u00ebnboer B，Gulcehre C，Bahdanau D，Bougares F，Schwenk H，Bengio Y（2014）使用rnn编码器-解码器学习短语表示，用于统计机器翻译。2014年自然语言处理经验方法会议纪要，1724\u20131734”，“DOI”：“10.3115\/v1\/D14-1179”}，{“key”：“10651_CR56”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ciftci B，Apaydin MS（2018）土耳其语情感分析的深度学习方法。摘自：2018年国际人工智能与数据处理会议（IDAP），第1\u20135页。IEEE”，“DOI”：“10.1109\/IDAP.2018.8620751”｝，｛“key”：“10651_CR57”，“DOI断言”：“crossref”，“非结构化”：“Conneau A，Schwenk H，Barrault L，Lecun Y（2016）文本分类的甚深卷积网络。计算语言学协会欧洲分会会议，2016”，“DOI”：“10.18653\/v1\/E7-1104”｝，｛“key”：“10651_CR58“，“首页”：“1”，“卷”：“28”，“作者”：“AM Dai”，“年份”：“2015”，“非结构化”：“Dai AM，Le QV（2015）半监督序列学习。Adv Neural Inform Process Syst 28:1\u20137“，”journal-title“：”Adv Neural Inform Process System“}，{“issue”：“4”，“key”：“10651_CR59”，“doi-asserted-by”：“crossref”，“first page”：”4629“，”doi“：”10.1007\/s10639-022-11349-1“，”volume“28”，“author”：“DK Dake”，“year”：“2023”，“unstructured”：“Dake DK，Gyimah E（2023）”使用情绪分析评估2019年学生的定性回答。Edu Inform Technol 28（4）：4629\u20134647“，”journal-title“：”Edu Inform-Technol“}，{”issue“：”3“，”key“：”10651_CR60“，”doi-asserted-by“：”crossref“，”first page“：“483”，”doi“：”10.3390\/electronics9030483“，“volume”：“9”，“author”：“NC Dang”，“year”：“2020”，“unstructured”：“Dang NC，Moreno-Garc\u00eda MN，Pri eta F（2020年）基于深度学习的情绪分析：一项比较研究。电子学9（3）：483\u2013511“，“期刊标题”：“电子学”}，{“问题”：“3”，“关键”：“10651_CR61”，“首页”：“5399”，“卷”：“70”，“作者”：“D Dangi”，“年份”：“2022”，“非结构化”：“Dangi D，Bhagat A，Dixit DK（2022）使用cnn的遗传算法对社交媒体进行情感分析。CMC-Compute Mater Cont 70（3）:5399\u20135419”，“期刊名称”：“CMC Comput Mater Cont“｝，｛”key“：”10651_CR62“，”doi asserted by“：”crossref“，”doi“：“”本新一种“一类的一一个个采用的。Expert Syst Appl 225:119849“，”journal-title“：”Expert Syss Appl“}，{”key“：”10651_CR63“，”doi-asserted-by“：”crossref“，”first page“：“1”，”doi“：”10.1016\/j.neucom.2019.1009“，”volume“：一个混合波斯情感分析框架：集成基于依赖语法的规则和深层神经网络。Neurocomputing 380:1\u201310”，“journal-title”：“Neurocumputing”}，{“key”：“10651_CR64”，“doi-asserted-by”：“crossref”，“unstructured”：“Datta S，Chakrabarti S（2022）《电影数据集基于方面的情感分析的深度学习方法评估》。发表于：2022年第四届智能系统和发明技术国际会议（ICSSIT）第925\u2013934页。IEEE“，”DOI“：”10.1109\/ICSSIT53264.2022.9716297“}，{”issue“：”2“，”key“：”10651_CR65“，”首页“：”31“，”volume“：“100”，”author“：”EM Dharma“，”year“：”2022“，“unstructured”：“Dharma EM，Gaol FL，Warnars HLHS，Soewito B（2022）word2vec，glow，fasttext朝向卷积神经网络（cnn）的准确性比较文本分类。J Theoret Appl Inform Technol 100（2）：31“，“journal-title”：“J Theoret-Appl Inform-Technol”}，{“issue”：“3”，“key”：“10651_CR66”，“doi-asserted-by”：“crossref”，“first-page:”220“，“doi”：“10.1038\/s42256-023-00626-4”，“volume”：”5“author”：“N Ding”，“year”：“2023”，”“unstructured”：“Ding N，Qin Y，Yang G，Wei F，Yang Z，Su Y，Hu S，Chen Y，Chan C-M，Chen W et al（2023）大规模预训练语言模型的参数高效微调。Nature Mach Intell 5（3）：220\u2013235“，“journal-title”：“Nature Mach-Intell”}，{“key”：“10651_CR67”，“doi-asserted-by”：“crossref”，“unstructured”：“丁Y，于J，刘B，胡Y，崔M，吴Q（2022）Mukea:基于知识的可视化问答的多模态知识提取与积累。收录于：IEEE计算机视觉和模式识别会议记录，第5089\u20135098页，“DOI”：“10.1109\/CVPR52688.2022.00503”}，{“issue”：“30”，“key”：“10651_CR68”，“DOI-asserted-by”：“crossref”，“first page”：”44405“，“DOI:”10.1007\/s11042-021-11759-2“，“volumes”：“81”，“author”：“T Diwan”，“year”：“2022”，“unstructured”：“Diwan T，Tembhurne JV（2022）情绪分析：卷积神经网络视角。多媒体工具应用程序81（30）：44405\u201344429”，“日志标题”：“多媒体工具应用”}，{“键”：“10651_CR69”，“doi-asserted-by”：“交叉引用”，“首页”：“272”，“doi”：“10.1016\/j.eswa.2018.10.003”，“卷”：“118”，“作者”：“HH做”，“年份”：“2019年”，“非结构化”：“做HH，Prasad PW，Maag A，Alsadoon A（2019）基于方面的情感分析的深度学习：比较综述。Expert syst Appl 118:272\u2013299“，”journal-title“：”Expert syss Appl“}，{”key“：”10651_CR70“，”doi-asserted-by“：”crossref“，”first page“：“37014”，”doi“：”10.1109\/ACCESS.2020.2973711“，”volume“：基于bilstm的胶囊网络情感分析方法。IEEE Access 8:37014\u201337020“，”journal-title“：”IEEE Access“}，{”key“：”10651_CR71“，”first page“：“1”，“volume”：“15”，“author”：“Z Dong”，“year”：“2022”，“unstructured”：“Dong Z，Ji X，Lai CS，Qi D，Zhou G，Lai LL（2022）基于记忆电阻的分层注意网络，用于心理健康监测中的多模态情感计算。IEEE Consumer Electron Magaz 15:1\u201311“，”journal-title“：”IEEE Consomer Electronic Magaz“}，{”key“：”10651_CR72“，”doi-asserted-by“：”crossref“，”first page“：“39321”，”doi“：”10.1109\/ACCES.S2019.2906398“，”volume“:”7“，”author“：”Y Du“，“year”：“2019”，”unstructured“：”Du Y，Zhao X，He M，Guo W（2019）一种用于情绪分类的新型基于胶囊的混合神经网络。IEEE Access 7:39321\u201339328“，“journal-title”：“IEEE Access”}，{“key”：“10651_CR73”，“unstructured”：“Eidul TS，Imran MA，Das AK。使用机器学习和神经网络预测餐厅评论。Int J Innov Sci Res Technol 102:1388\u20131392”}10.1109\/ACCESS.2021.3068323“，”volume“：”9“，”author“：”CI Eke“，”year“：”2021“，”unstructured“：”Eke CI，Norman AA，Shuib L（2021）基于上下文的特征技术，用于使用深度学习和伯特模型在基准数据集中识别讽刺。IEEE Access 9:48501\u201348518“，”journal-title“：”IEEE Access“}，{”issue“：”3\u20134“，”key“：”10651_CR75“，”doi-asserted-by“：”crossref“，”first-page“：”169“，“doi”：“10.1080\/0269939208411068”，“volume”：“6”，“author”：“P Ekman”，“year”：“1992”，“unstructured”：“Ekman P（1992）基本情绪的论据。Cognit Emot 6（3\u 20134）：169\u2013200“，”新闻标题“：”Cognit Emot“}，{“issue”：“19”，“key”：“10651_CR76”，“首页”：“15”，“卷”：“98”，“author”：“NS Elmitwally”，“年份”：“2020”，“unstructured”：“Elmitwalli NS，Alsayat A（2020）阿拉伯语语料库的分类和构建：比喻和文字。《理论应用信息技术杂志》98（19）：15”，《期刊标题》：“理论应用信息科技杂志”}10651_CR77“，”doi-asserted-by“：”crossref“，”first-page“：”1“，”doi“：”10.1016\/j.websem.2021.100700“，”volume“：”72“，”author“：”H Ezaldeen“，”year“：”2022“，”unstructured“：”Ezaldein H，Misra R，Bisoy SK，Alatrash R，Priyadarshini R（2022）集成自适应剖析和情绪分析的混合电子学习建议。J Web Semant 72:1\u201312“，”journal-title“：”J Web Seman“}，{”key“：”10651_CR78“，”doi-asserted-by“：”crossref“，”doi“：”10.1016\/J.scitotenv.2022.158760“，”volume“：“854”，”author“：”S Fahad“，”year“：”2023“，”unstructured“：”Fahad S，Su F，Khan Su，Naeem MR，Wei K（2023）通过气候变量实现一种新的深度学习技术用于降雨量预测：一种通过层次聚类分析的方法。Sci Total Environ 854:158760“，“journal-title”：“Sci Toll Environ”}，{“issue”：“2”，“key”：“10651_CR79”，“doi-asserted-by”：“crossref”，“first-pages”：“5984”，“doi”：“10.3390\/info12020052”，“volume”:“12”，“author”：“A Fesseha”，“year”：“2021”，“unstructured”：“Fesseha A，Xiong S，Emiru ED，Diallo M，Dahou A（2021）基于卷积神经网络和低资源语言单词嵌入的文本分类：Tigrinya。信息12（2）：5984\u20135996“，”journal-title“：”Information“}，{”key“：”10651_CR80“，”doi-asserted-by“：”crossref“，”first-page“：”52“，”doi“：”10.3389\/fdata.2019.0052“，”volume“：“2”，”author“：”A Galassi“，”year“：”2020“，”unstructured“：”Galassi A，Kersting K，Lippi M，Shao X，Torroni P（2020）神经符号论证挖掘：有利于深入学习和推理的论证。Front Big Data 2:52“，”journal-title“：”Front Big Data“}，{”issue“：”10“，”key“：”10651_CR81“，”doi-asserted-by“：”crossref“，”first page“：“4291”，”doi“：”10.1109\/TNNLS.2020.3019893“，”volume“：‘32’，”author“：”A Galassi“，”year“：”2020“，”unstructured“：”Galassi A，Lippi M，Torroni P（2020）关注自然语言处理。IEEE Trans Neural Netw Learn Syst 32（10）：4291\u20134308“，”journal-title“：”IEEE Trans-Neural Netw学习系统“}，{”key“：”10651_CR82“，”doi-asserted-by“：”crossref“，”first page“：“424”，“doi”：“10.1016\/j.inffus.2022.09.025”，“volume”：“91”，“author”：“A Gandhi”，“year”：“2023”，“unstructured”：“甘地A，Adhvaryu K，Poria S，Cambria E侯赛因A（2023）多模态情感分析：对历史、数据集、多模态融合方法、应用、挑战和未来方向的系统回顾。信息融合91:424\u2013444“，”journal-title“：”Information Fusion“}，{”key“：”10651_CR83“，”doi-asserted-by“：”crossref“，”first page“：“154290”，”doi“：”10.1109\/ACCES.2019.2946594“，“volume”：“7”，“author”：“Z Gao”，“year”：“2019”，“unstructured”：“Gao Z，Feng A，Song X，Wu X（2019）使用伯特进行目标相关情绪分类。IEEE Access 7:154290\u2013154299“，”journal-title“：”IEEE Access“}，{”key“：”10651_CR84“，”doi-asserted-by“：”crossref“，”first page“：“154290”，”doi“：”10.1109\/ACCES.2019.2946594“，”volume“：使用伯特进行目标相关情绪分类。IEEE Access 7:154290\u2013154299”，“期刊标题”：“IEEE Access”｝，｛“key”：“10651_CR85”，“doi asserted by”：“crossref”，“非结构化”：“Ghorbanali A，Sohrabi MK（2023）利用双向深度神经网络使用胶囊网络进行多领域情绪分析。多媒体工具和应用，1\u201318”，“doi”：“10.1007\\s11042-03-14449-3”｝，{“issue”：“30”，“key”：“10651_CR86”，“doi-asserted-by”：“crossref”，“first-page”：“43229”，“doi”：“10.1007\/s11042-022-12930-z”，“volume”：”81“，“author”：“P Goel”，“year”：“2022”，“unstructured”：“Goel P，Jain R，Nayyar A，Singhal S，Srivastava M（2022）使用深度学习和集成学习检测Sarcasm。多媒体工具和应用81（30）：43229\u2013.43252英寸，“journal-title”：“多媒体工具和应用程序”}，{“key”：“10651_CR87”，“doi-asserted-by”：“crossref”，“unstructured”：“Golovko V，Kroshchanka A，Kovalev M，Taberko V和Ivaniuk D（2020）神经符号人工智能：用于控制产品标签的质量。摘自：《智能系统的开放语义技术：第十届国际会议》，OSTIS 2020，白俄罗斯明斯克，2020年2月19\u201322日，修订论文集，第81\u2013101页。Springer”，“DOI”：“10.1007\/978-3-030-60447-9_6”}，{“key”：“10651_CR88”，“DOI-asserted-by”：“crossref”，“unstructured”：“Govindarajan M（2022）情绪分析的方法和应用：文献综述。《社交媒体中大数据和情绪分析的数据挖掘方法》，1\u201323“，”DOI“：”10.4018\/978-1998-8413-2.ch001“}10651_CR89“，”doi-asserted-by“：”crossref“，”first-page“：”38“，”doi“：”10.1016\/j.matpr.2021.04.364“，”volume“：”51“，”author“：”K Gulati“，”year“：”2022“，”unstructured“：”Gulati K，Kumar SS，Boddu RSK，Sarvakar K，Sharma DK，Nomani M（2022）使用与新冠肺炎大流行相关的推文情感分类对基于机器学习的分类模型进行比较分析。Mater Today Proc 51:38\u201341“，“journal-title”：“Mater Tonday Proc”}，{“key”：“10651_CR90”，“doi-asserted-by”：“crossref”，“unstructured”：“Gupta GK，Sharma DK（2022）智能抑郁症检测模型中的过拟合解决方案综述。摘自：2022年第九届全球可持续发展计算国际会议（INDIACom），第145\u2013151页。IEEE“，”DOI“：”10.23919\/INDIACom54597.2022.9763147“}，{“key”：“10651_CR91”，“DOI-asserted-by”：“crossref”，“DOI”：“10.1016\/j.engappai.2023.106999”，“volume”：”126“，“author”：“N Habbat”，“year”：“2023”，“unstructured”：“Habbat N，Nouri H，Anoun H，Hassouni L（2023）使用伯特和集成叠加对不平衡数据集进行情感分析以进行深度学习。Eng-Appl-Artif Intell 126:106999“，”journal-title“：”Eng-Appl Artif Intell“}，{“key”：“10651_CR92”，“doi-asserted-by”：“crossref”，“first page”：”21314“，“doi”：“10.1109\/ACCES.2020.2969473”，“volume”：《8》，“author”：“Y Han”，”year“2020”，“unstructured”：“Han Y，Liu M，Jing W（2020）”基于双bigru和知识转移的方面级药物评论情绪分析。IEEE Access 8:21314\u201321325“，“journal-title”：“IEEE Access”}，{“key”：“10651_CR93”，“doi-asserted-by”：“crossref”，“unstructured”：“Han L，Pan W，Zhang H（2021）基于bert-gru的微博谣言检测。In:artificial intelligence In China，pp.450\u2013457”，“doi”：“10.1007\/978-91-15-8599-9_52”}、{“key”：第一页“：”21“，”DOI“：”10.1016\/j.ijcce.2023.01.001“，”volume“：”4“，”author“：”R Haque“，”year“：”2023“，”unstructured“：”Haque R，Islam N，Tasneem M，Das AK（2023）使用机器学习对孟加拉社交媒体评论进行多类情感分类。Int J Cognit Compute Eng 4:21\u201335“，“journal-title”：“Int J Cognit Computer Eng”}，{“key”：“10651_CR95”，“doi-asserted-by”：“crossref”，“unstructured”：“Haque TU，Saber NN，Shah FM（2018）大型亚马逊产品评论的情绪分析。In:2018 IEEE国际创新研究与开发会议（ICIRD），pp.1\u20136。IEEE“，”DOI“：”10.1109\/ICRD.2018.8376299“}，{“key”：“10651_CR96”，“DOI-asserted-by”：“crossref”，“unstructured”：“Haque MR，Lima SA，Mishu SZ（2019）不同神经网络的性能分析，用于imdb电影评论的情绪分析。In:2019年第三届国际电气、计算机与电信工程会议（ICECTE）第161\u2013164页。IEEE”，“DOI”：“10.1109\/ICECTE48615.2019.9303573”}，｛“key”：“10651_CR97”，“DOI断言”：“crossref”，“非结构化”：“Hasan MM，Islam MS，Bakar SA，Rahman MM，Kabir MN（2021）人工神经网络在发动机冷却系统中的应用。收录于：2021年软件工程与计算机系统国际会议和第四届计算科学与信息管理国际会议（ICSECS-ICOCSIM），第471\u2013476页。IEEE“，”DOI“：”10.1109\/ICSECS52883.2021.00092“}，{”issue“：”6“，”key“：”10651_CR98“，”DOI-asserted-by“：”crossref“，“first page”：“2623”，“DOI”：“10.1007\/s11135-016-0412-4”，“volume”：”51“，“author”：“M Haselmayer”，“year”：“2017”，“unstructured”：“Haselmayer M，Jenny M（2017）政治传播的情感分析：结合字典方法和人群编码。Qual Quant 51（6）：2623\u20132646“，“journal-title”：“Qual Quart”}，{“key”：“10651_CR99”，“doi-asserted-by”：“crossref”，“unstructured”：“Hassan A，Mahmood A（2017）句子分类深度学习。收录：2017 IEEE长岛系统、应用和技术会议（LISAT），第1\u20135页。IEEE“，”DOI“：”10.1109\/LISAT.2017.8001979“}，{“key”：“10651_CR100”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hassanzadeh O，Awasthy P，Barker K，Bhardwaj O，Bhattacharjya D，Feblowitz M，Martie L，Ni J，Srinivas K，Yip L（2022）基于知识的新闻事件分析和预测工具包。In:国际人工智能联合会议“，”DOI“：”10.24963\/ijcai.2022\/850“}，{“key”：“10651_CR101”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hazarika D，Li Y，Cheng B，Zhao S，Zimmermann R，Poria S（2022）分析多模态情感分析中的模态鲁棒性。计算语言学-人类语言技术协会北美分会会议（NAACL-HLT2022），685\u2013696“，“DOI”：“10.18653\/v1\/2022.NAACL-main.50”}，{“key”：“10651_CR102”，“DOI-asserted-by”：“crossref”，“unstructured”：“He K，Mao R，Gong T，Li C，Cambria E（2022）基于元的自学训练和重加权，用于基于方面的情感分析。IEEE情感计算汇刊”，“DOI”：“10.1109\/TAFFC.2022.3202831”}，{“key”：“10651_CR103”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hinton GE，Krizhevsky A，Wang SD（2011）Transforming auto-encoders。In:international conference on artificial neural networks，pp.44\u201351。Springer“，”DOI“：”10.1007\/978-3642-21735-7_6“}，{”issue“：”6“，”key“：”10651_CR104“，”DOI-asserted-by“：”crossref“，”first page“：“035”，“DOI”：“10.1093\/nsr\/nwac035”、“volume”：“9”，“author”：“P Hitzler”，“year”：“2022”，“unstructured”：“Hitzler P，Eberhart A，Ebrahimim M，Sarker MK，Zhou L（2022年）人工智能中的神经符号学方法。《国家科学评论》9（6）：035“，“新闻标题”：“国家科学评论”}，{“关键字”：“10651_CR105”，“卷”：“2”，“作者”：“O Hoekstra”，“年份”：“2022年”，“非结构化”：“Hoekstra O，Hurst W，Tummers J（2022）利用机器学习的文本数据预测医疗相关事件：系统文献综述。健康分析2:100107”，“新闻名称”：“健康分析”}，{“key”：“10651_CR106”，“首页”：“1”，“卷”：“23”，“作者”：“M Hoffman”，“年份”：“2010”，“非结构化”：“Hoffman M，Bach F，Blei D（2010）潜在dirichlet分配的在线学习。Adv Neural Inform Process Syst 23:1\u201319”，“journal-title”：“Adv Neral Inform Process-Syst”}，{”key“：“10651 _CR107”，“doi-asserted-by”：“crossref”，“unstructured”：“Hoogervorst R，Essink E，Jansen W，Helder Mvd，Schouten K，Frasincar F，Taboada M（2016）使用修辞结构理论对网络进行基于方面的情感分析。收录于：网络工程国际会议，第317\u2013334页”，“DOI”：“10.1007\/978-3319-38791-8_18”}，{“issue”：“1”，“key”：“10651_CR108”，“DOI-asserted-by”：“crossref”，“first page”：“98”，“DOI”：“10.31577\/cai_2022_1_98”，，“volume”：“41”，“author”：“T Hossain”，“year”：“2022”，“unstructured”：“Hossain T，Mauni HZ，Rab R（2022）使用svd和手套结合集成和深度学习减少文本分类不平衡的影响。计算信息41（1）：98\u2013115”，“journal-title”：“计算信息”}，{“issue”：“1”，“key”：”10651_CR109“，“doi-asserted-by”：“crossref”，“first page”：“1”，“doi”：“10.1186\/s12915-021-01182-2”，“volume”：”20“，“author”：“C Hou”，“year”：“2022”，“unstructured”：“Hou C，Li Y，Wang M，Wu H，Li T（2022）通过深度学习对degron和e3泛素连接酶结合的系统预测。BMC Biol 20（1）：1\u201319”，“journal title”：“BMC Biel”}，{“key”：51_CR110英寸，“doi断言”：“crossref”，“首页”：“618”，“doi”：“10.3390\/healthcare10040618”，“卷：“10”（，{“问题”：“4”，“关键”：“10651_CR111”，“首页”：“330”，“卷”：“30”，“作者”：“DME-DM Hussein”，“年份”：“2018”，“非结构化”：“Hussein DME-DM（2018）情绪分析挑战调查。J King Saud Univ Eng Sci 30（4）：330\u2013338”，“新闻标题”：“J King Shaud Univ-Eng Scy”}，{“关键”:“10651-CR112”，“doi-asserted-by”：“crossref”，”非结构化“”：“Hutto C，Gilbert E（2014）Vader：社交媒体文本情感分析的一个基于规则的简约模型。In:网络和社交媒体国际AAAI会议记录，8:216\u2013225”，“DOI”：“10.1609\/icwsm.v8i1.14550”}，{“key”：“10651_CR113”，“DOI-asserted-by”：“crossref”，《首页》：“403”，“DOI”：《10.1007\/978-981-33-4597-3_37》，“volume”：“40”，“author”：“M Islam”，“year”：“2022”，“unstructured”：“Islam M，Ghani NA et al（2022）使用带有bigru-bilstm的深度神经网络进行多层次情绪分析的新型bigrubilstm模型。Mechatron Towards Ind最新趋势40:403\u2013414”，“journal-title”：“Mechatron-Towards In”}，{“issue”：“3”，“key”：”10651_CR114“，“doi-asserted-by”：“crossref”，“first page”：“491”，“doi”：“10.26555\/jiteki.v7i3.22327”，“volume”：”7“，“author”：“MS Islam”，“year”：“2021年”，“unstructured”：“伊斯兰MS，哈桑MM，拉希姆MA，哈桑AM，Mynuddin M，坎多卡尔I，伊斯兰MJ（2021）基于机器学习的音乐类型分类和预处理特征分析。J Ilmiah Teknik Elektro Kocomputer dan Informatika（JITEKI）7（3）：491\u2013502“，“新闻标题”：“J Ilmia Teknike Elektro kocomputer da Informatika”}，{“问题”：“16”，“键”：“10651_CR115”，“doi-asserted-by”：“交叉引用”，“首页”：“6079”，“doi”：“10.3390\/s22166079”，“卷”：“22”，“作者”：“MS Islam”，“年份”：“2022”，“非结构化”：“Islam MS、Sultana S、Farid FA、Islam MN、Rashid M、Bari BS、Hashim N、Husen MN（2022）使用基于注意的扩张卷积特征提取器和逻辑回归分类检测番茄叶片病的多模混合深度学习方法。传感器22（16）：6079“，”journal-title“：”Sensors“}，{”issue“：”2“，”key“：”10651_CR116“，”doi-asserted-by“：”crossref“，”first-page“：”47“，”doi“：”10.26555\/jiteki.v6i2.18978“，”volume“：“6”，”author“：”MS Islam“，”year“：”2020“，”unstructured“：”Islam MS，Sultana S，Roy U，Al Mahmud J（2020）综述视频分类的方法、发现、性能、挑战、局限性和未来工作。J Ilmiah Teknik Elektro Kocomputer dan Informatika（JITEKI）6（2）：47\u201357“，“新闻标题”：“J Ilmia Teknik-Elektro KOcomputer da Informatika”}，{“问题”：“1”，“关键”：“10651_CR117”，“doi-asserted-by”：“交叉引用”，“首页”：“142”DOI“：”10.265555/jiteki.v7i1.20550“，”volume“：”7“，”author“：”MS Islam“，”year“：”2021“，”unstructured“：”Islam MS，Sultana S，Roy UK，Al Mahmud J，Jahidul S（2021）Harc-new hybrid method with hierarchical attention based双向递归神经网络与扩张卷积神经网络结合，识别文本中的多标签情感。Jurnal Ilmiah Teknik Elektro Kocomputer dan Informatika（JITEKI）7（1）：142\u2013153“，“新闻标题”：“Jurnal伊尔米亚·特克尼克Elektro kocomputer da Informatika”}，{“问题”：“1”，“键”：“10651_CR118”，“doi-asserted-by”：“crossref”，“首页”：“45”，“doi”：“10.3390\/app12010045”，《卷》：“12”，“作者”：“S-Y Jeong”，《年份》“：”2022“，”非结构化“：”Jeong S-Y，Kim Y-K（2022）考虑上下文特征的基于深度学习的上下文软件推荐系统。《应用科学》12（1）：45“，“新闻标题”：“应用科学”}，{“问题”：“6”，“关键”：“10651_CR119”，“doi-asserted-by”：“交叉引用”，“首页”：“2181”，“doi”：“10.1109\/TVCG.2019.2903946”，“卷”：“25”，“作者”：“X季”，“年份”：“2019”，“非结构化”：“季X，沈H-W，Ritter A，Machiraju R，Yen P-Y（2019）信息检索中神经文档嵌入的可视化探索：语义和特征选择。IEEE Trans-Visual Comput Graph 25（6）：2181\u20132192“，“journal-title”：“IEEE Trans-Cisual计算图”}，{“key”：“10651_CR120”，“first page”：”2466“，“volume”：：“7”，“author”：“X Jia”，“year”：“2022”，“unstructured”：“贾X，Wang L（2022）通过使用图卷积神经网络编码句法依赖树，注意力增强胶囊网络用于文本分类。Peer J Compute Sci 7:2466\u20132480“，“journal-title”：“Peer J compute Scy”}，{“key”：“10651_CR121”，“doi-asserted-by”：“crossref”，“doi”：“10.1016\/J.knosys.2023.110419”，“volume”：”266“author”：“L Jiang”，”“year”：“2023”，“非结构化”：“蒋磊，李毅，廖杰，邹Z，蒋C（2023）非依赖性方面层面情绪分析研究。基于知识的系统266:10419”，“期刊标题”：“基于知识的系统”}，{“key”：“10651_CR122”，“doi断言”：“crossref”，“非结构化”：“Johnson R，Zhang T（2017）用于文本分类的深度金字塔卷积神经网络。在：计算语言学协会第55届年会会议记录（第1卷：长篇论文）第562\u2013570页，“DOI”：“10.18653\/v1\/P17-1052”}，{“key”：“10651_CR123”，“DOI-asserted-by”：“crossref”，“DOI:”10.1016\/j.eswa.2022.118442“，”volume“：”211“，”author“：”A Joshi“，“year”：“2023”，“unstructured”：“Joshi A，Fidalgo E，Alegre E，Fern\u00e1ndez-Robles L（2023）Deepsumm：利用主题模型和序列到序列网络进行提取文本摘要。专家系统应用211:118442“，”journal-title“：”Expert Syst Appl“}，{”key“：”10651_CR124“，”first page“：“1”，“volume”：“8”，“author”：“M Kamyab”，“year”：“2022”，“unstructured”：“Kamyab M，Liu G，Rasool A，Adjeisah M（2022）Acr-sa：通过双通道cnn和bi-rnn进行情绪分析的基于注意力的深度模型。Peer J Compute Sci 8:1\u201312”，“journal-title“：”Peer J Compute Sci“}，{“issue”：“1”，“key”：“10651_CR125”，“doi-asserted-by”：“crossref”，“first-pages”：“5”，“doi”：“10.1186”，卷：“10”，“author”：“G Kaur”，年：“2023”，“unstructured”：“Kaur G，Sharma A（2023）基于深度学习的模型，使用混合特征提取方法进行消费者情绪分析。J Big Data 10（1）：5“，”journal-title“：”J Big Data}，{“key”：“10651_CR126”，“doi-asserted-by”：“crossref”，“unstructured”：“Kaur R，Kautish S（2022）多模态情绪分析：调查与比较。跨学科实施情绪分析研究选集，第1846\u20131870页”，“doi”：“10.4018\/978-1-6684-6303-1.ch098”}，“key“：”10651_CR127“，”doi-asserted-by“：”crossref“，”first page“：”3594“，”doi“：”10.1109\/ACCESS.2019.2963020“，”volume“：“8”，”author“：”S Kausar“，”year“：”2019“，”unstructured“：”Kausar S，Huahu X，Ahmad W，Shabir MY（2019）在线产品评论的情感极性分类技术。IEEE Access 8:3594\u20133605“，“journal-title”：“IEEE Access”}，{“key”：“10651_CR128”，“doi-asserted-by”：“crossref”，“unstructured”：“Keswani V，Singh S，Agarwal S，Modi A（2020）Iitk at semeval-2020 task 8:互联网模因的单峰和双峰情感分析。In:第十四届语义评估研讨会论文集，pp 1135\u20131140”，“DOI“：”10.18653\/v1\/2020.semeval-1150“｝，｛“key”：“10651_CR129”，“first page”：“55515221137270”，“volume”：“016”，“author”：“A Khan”，“year”：“2023”，“nonstructured”：“Khan A（2023）使用深度学习改进多语言情感分析和识别。J Inform Sci 016:55515221137270”，“journal title”：“J Inform Sci”｝，｛“issue”：“3”，“key”：“10651_CR130”，“第一页“：“731”，“卷”：“12”，“作者”：“AMUD Khanday”，“年份”：“2020”，“非结构化”：“Khanday AMUD，Rabani ST，Khan QR，Rouf N，Mohi Ud Din M（2020）基于机器学习的方法，使用临床文本数据检测covid-19。Int J Inform Technol 12（3）：731\u2013739“，”journal-title“：”Int J Not Technol“}，{”key“：”10651_CR131“，”doi-asserted-by“：”crossref“，”first page“：“1742”，“doi”：“10.1088\/1742-6596\/1918\/4\/042152”，“volume”：“1918”，“author”：“I Khandokar”，“year”：“2021”，“unstructured”：“Khandokari，Hasan M、Ernawan F、Islam S、Kabir M（2021）使用卷积神经网络进行手写字符识别。J Phys Conf Ser 1918:1742\u20136596“，”journal-title“：”J Phys Conf Ser“}，{”key“：”10651_CR132“，”doi-asserted-by“：”crossref“，”first page“：“214”，“doi”：“10.1016\/J.neucom.2019.0.033”，“volume”：“376”，“author”：“J Kim”，“year”：“2020”，“unstructured”：“Kim J，Jang S，Park E，Choi S（2020年）使用胶囊进行文本分类。Neurocomputing 376:214\u2013221“，“journal-title”：“Neurocumputing”}，{“key”：“10651_CR133”，“doi-asserted-by”：“crossref”，“unstructured”：“Koco\u0144 J，Baran J，Gruza M，Janz A，Kajstura M，Kazienko P，Korczy\u0144ski W，Mi\u0142kowski P，Piasecki M，Szo\u0142 micka J（2022）情绪分析的神经符号模型。In:计算科学\u2013ICCS 2022:第22届国际会议，英国伦敦，2022年6月21日\u201323，第二部分，第667\u2013681页研究情绪分析的不同层次。国际J Curr Eng Technol 5（2）：768\u2013770“，”journal-title“：”Int J Curr Eng Technol“}，{“key”：“10651_CR135”，“doi-asserted-by”：“crossref”，“unstructured”：“Kuamri S，巴布CN（2017）实时分析社交媒体数据，了解人们对国家政党的情绪。在：2017年第八届计算、通信和网络技术国际会议（ICCCNT），第1\u20136页。IEEE“，”DOI“：”10.1109\/ICCNT.2017.8204059“}，{”issue“：”1“，”key“：”10651_CR136“，”first page“：“1”，“volume”：“32”，“author”：“A Kumar”，“year”：“2020”，“unstructured”：“Kumar A，Jaiswal A（2020）使用软计算技术在推特上进行情绪分析的系统文献综述。Concurr Comput Pract Exp 32（1）：1\u201315”，“journal-title”：“”Concurr Computat Pract Exp“}，{”issue“：”4“，”key“：”10651_CR137“，”doi-asserted-by“：”crossref“，”first page“：“1537”，“doi”：“10.1007\/s11280-021-00920-4”，“volume”：“25”，“author”：“A Kumar”，“year”：“2021”，“unstructured”：“Kumar A，Sachdeva N（2021）”用于社交媒体上网络欺凌检测的关注度和盖帽网的bi-gru混合模型。万维网25（4）：1537\u20131550”，“新闻标题”：“万维网”}，{“问题”：“1”，“关键”：“10651_CR138”，“doi-asserted-by”：“交叉引用”，“doi”：“10.1016\/j.ipm.2019.02141”，“卷”：“57”，“作者”：“A Kumar”，“年份”：“2020”，“非结构化”：“Kumar A，Srinivasan K，Cheng W-H，Zomaya AY（2020）混合上下文丰富的深度学习模型，用于文本和视觉符号情态社会数据中的细粒度情感分析。Inform Process Manag 57（1）：102141“，”journal-title“：”Inform Process Manage“}，{”key“：”10651_CR139“，”doi-asserted-by“：”crossref“，“unstructured”：“Lahase AR，Shelke M，Jagdale R，Deshmukh S（2022）情绪词汇创建和分析调查。In:IOT with Smart Systems，pp 579\u2013587。Springer，“DOI”：“10.1007\/978-981-6-3945-6_57”}，{“key”：“10651_CR140”，“DOI-asserted-by”：“crossref”，“unstructured”：“Lai S，Xu L，Liu K，Zhao J（2015）文本分类递归卷积神经网络。In:第二十届AAAI人工智能会议，第2267\u20132273页”，“DOI:”10.1609\/aaaai.v29i1.9513“}，”{“密钥”：“10651_CR141“，“非结构化”：”Le Q，Mikolov T（2014）句子和文档的分布式表示。在：机器学习国际会议，第1188\u20131196页“}，{“问题”：“11”，“关键”：“10651_CR142”，“doi-asserted-by”：“crossref”，“首页”：“2278”，“doi”：“10.1109\/5.726791”，“卷”：“86”，“作者”：“Y LeCun”，“年份”：“1998”，“非结构化”：“LeCun Y，Bottou L，Bengio Y，Haffner P（1998）基于梯度的学习应用于文档识别。Proc IEEE 86（11）：2278\u20132324“，”journal-title“：”Proc EEE“}，{”key“：”10651_CR143“，”doi-asserted-by“：”crossref“，”first page“：“73”，“doi”：“10.1016\/j.neucom.2021.09.057”，“volume”：“467”，“author”：“W Li”，“year”：“2022”，“unstructured”：“Li W，Shao W，Ji S，Cambria E（2022）”Bieru：用于会话情感分析的双向情感重现单元。Neurocomputing 467:73\u201382“，”journal-title“：”Neurocumputing“}，{”issue“：”1“，”key“：”10651_CR144“，”doi-asserted-by“：”crossref“，”first-page“：”125“，”doi“：”10.1007\/s13042-022-01535-5“，”volume“：“14”，“author”：“G Li”，“year”：“2023”，“unstructured”：“Li G，Wang H，Ding Y，Zhou K，Yan X（2023）”基于方面的情感分析的数据增强。Int J Mach Learn Cybern 14（1）：125\u2013133“，”journal-title“：”Int J Mach Learn Tybern“}，{“问题”：“3”，“关键”：“10651_CR145”，“doi-asserted-by”：“crossref”，“首页”：“2045”，“doi”：“10.1007\/s00521-0722-07377-0”，“卷”：“35”，“作者”：“X李”，“年份”：“2022”，“非结构化”：“李X，王J，杨C（2022）数字经济下基于优化bp神经网络的上市公司财务管理风险预测。神经计算与应用35（3）：2045\u20132058“，“journal-title”：“Neural Computing and Applications”}，{“key”：“10651_CR146”，“doi-asserted-by”：“crossref”，“unstructured”：“Liang B，Du J，Xu R，Li B，Huang H（2019）用于有针对性的基于方面的情绪分析的上下文感知嵌入。在：计算语言学协会第57届年会会议记录，第4678\u20134683页，“DOI”：“10.18653\/v1\/P19-1462”}，{“key”：“10651_CR147”，“first-page”：“1”，“volume”：”71“，“author”：“Y Liu”，“year”：“2022”，“unstructured”：“Liu Y，Li P，Hu X（2022）结合上下文相关特征和多阶段注意网络进行短文本分类。计算语言71:1\u201320”，“日志标题”：“计算语言”}，{“key”：“10651_CR148”，“首页”：“1”，“卷”：“2020”，“作者”：“P Liu”，“年份”：“2022”，“非结构化”：“Liu P，Li K，Meng H（2022）基于注意力的多模态情感识别双向对齐的组选通融合。国际会议2020:1\u20135”，“日记标题”：Int-Conf Int“}，{“key”：“10651_CR149”，“first page”：”2514“，”volume“：”188“，”author“：”N Liu“，”year“：”2020“，”unstructured“：”Liu N，Shen B（2020）基于方面的情绪分析与门控交替神经网络。Knowl-based Syst 188:2514\u20132523“，”journal-title“：”Knowl based Syst“}“”第一页“：”1591“，”DOI“：”10.3390\/app11041591“，“volume”：“11”，“author”：“R Liu”，“year”：“2021”，“unstructured”：“Liu R，Shu M，Chen C（2021）基于基追踪的心电图信号去噪与重建。应用科学11（4）：1591\u20131606“，“期刊标题”：“应用科学”}，{“关键词”：“10651_CR151”，“首页”：“1”，“卷”：“46”，“作者”：“Q Liu”，“年份”：“2022”，“非结构化”：“刘Q，Tao Z，Tse Y，Wang C（2022）股票市场预测与深度学习：中国案例。金融研究快报46:1\u201310”，“期刊名称”：“金融研究快讯”}、{“关键字”：“10651_CR152“，”doi-asserted-by“：”crossref“，”unstructured“：”Liu NF，Gardner M，Belinkov Y，Peters ME，Smith NA（2019）语境表征的语言知识和可转移性。In：计算语言学协会北美分会会议：人类语言技术，1\u201322“，“DOI”：“10.18653\/v1\/N19-1112”}，{“key”：“10651_CR153”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu Y，Yu X，Chen Z，Liu B（2013）带有情态的句子的情感分析。摘自：2013年使用自然语言处理挖掘非结构化大数据国际研讨会论文集，第39页，“DOI”：“10.1145”，“2513549.2513556”}，{“key”：“10651_CR154”，“DOI-asserted-by”：“crossref”，”first page“：“639”，”DOI“：”10.1007“/s12559-018-9549-x“，”volume“：”10“，”author“：”Y Ma“，”year“：”2018“，”unstructured“：”Ma Y，Peng H，Khan T，Cambria E，Hussain A（2018）Sentic lstm：基于目标方面的情感分析的混合网络。Cognit Compute 10:639\u2013650“，“journal-title”：“Cognit compute”}，{“key”：“10651_CR155”，“doi-asserted-by”：“crossref”，“unstructured”：“Ma Y，Peng H，Cambria E（2018）通过将常识嵌入到关注的lstm中，进行有针对性的基于方面的情感分析。摘自：AAAI人工智能会议记录，第32卷，第5076\u20135883页“，“DOI”：“10.1609\/AAAI.v32i1.12048”}，{“key”：“10651_CR156”，“unstructured”：“Maas A，Daly RE，Pham PT，Huang D，Ng AY，Potts C（2011）学习情感分析的词向量。收录：计算语言学协会第49届年会论文集：人类语言技术，第142\u2013150页“}，{“key”：“10651_CR157”，“unstructured”：“Machado MT，Pardo TAS（2022）Nilc at absapt 2022：葡萄牙语方面提取。收录：Proceedings，pp.1\u201310”}，}“issue”：“03”，“key“：”10651_CR158“，“doi-asserted-by”：“crossref“，”first page“：”883“，”DOI“：”10.1142\/S0219622018500128“，”volume“：“17”，”author“：”P Mahendhiran“，“year”：“2018”，“unstructured”：“Mahendhiran P，Kannimuthu S（2018）多模态情感分析中极性分类的深度学习技术。Int J Inform Technol Decis Mak 17（03）：883\u2013910“，”journal-title“：”Int J informal Technol Dechis Mak“}，{“key”：“10651_CR159”，“doi-asserted-by”：“crossref”，“first page”：”124“，”doi“：”10.1016\/J.knosys.2018.07.041“，”volume“：”161“，“author”：“N Majumder”，“year”：“2018”，“unstructured”：“MajumderN，Hazarika D，Gelbude”kh A、Cambria E、Poria S（2018年）基于层次融合和上下文建模的多模态情感分析。基于知识的系统161:124\u2013133”，“期刊标题”：“基于知识的系统”}，｛“密钥”：“10651_CR160”，“doi断言由”下一个”神经符号语义推理。神经符号人工智能：最新进展，pascal H，Kamruzzaman SM，eds，frontiers in artificial intelligence and applications 342:253\u2013279”，“DOI”：“10.3233\/FAIA210358”}，{“issue”：“4”，“key”：“10651_CR161”，“DOI-asserted-by”：“crossref”，“first page”：”918“，“DOI:”10.1093\/comjnl/bxaa130“，”volume“：”：“65”，“author”：“K Masood”，“年份”：“2022年”，“非结构化”：“Masood K，Khan MA，Saeed U，Al Ghamdi MA，Asif M，Arfan M（2022）语义分析，以确定学生2019年的反馈。计算J 65（4）：918\u2013925“，“新闻标题”：“计算J”}，{“key”：“10651_CR162”，“非结构化”：“Matlatipov S，Rahimboeva H，Rajabov J，Kuriyozov E（2022）基于当地餐厅评论的乌兹别克人情绪分析。凝集语言技术挑战自然语言处理（ALTNLP）国际会议，1\u201311”}、{“issue“：”2“，”key“：”10651_CR163“，”doi-asserted-by“：”crossref“，”first-pages“：”1“，”doi“：”10.1007\/s42979-021-00993-y“，”volume“：“3”，”author“：”G Meena“，”year“：”2022“，“unstructured”：“Meena G，Mohbey KK，Indian A（2022）使用卷积神经网络对社交网络数据中的情感极性进行分类。SN Compute Sci 3（2）：1\u20139“，”期刊标题“：“SN Comput Sci”}，｛“key”：“10651_CR164”，“doi断言者”：“crossref”，“首页”：“167240”，“doi”：“10.1109\/ACCESS.20192952888”，“卷”：“7”，“作者”：“W Meng”，“年份”：“2019”，“非结构化”：“Meng W，Wei Y，Liu P，Zhu Z，Yin H（2019）基于方面的情感分析与特征增强的注意力cnn-bilstm。IEEE Access 7:167240\u2013167249“，”journal-title“：”IEEE Access“}，{”key“：”10651_CR165“，”doi-asserted-by“：”crossref“，”first page“：“195”，”doi“：”10.1016\/j.neucom.2023.02.15“，”volume“：跨语言情感分析的机器学习和深度学习：一项调查。Neurocomputing 531:195\u2013216“，”journal-title“：”Neurocumputing“}，{”issue“：”5“，”key“：”10651_CR166“，”doi-asserted-by“：”crossref“，”first-page“：”5516“，”doi“：”10.1007\/s11227-022-04881-x“，”volume“：“79”，”author“：”A Mewada“，”year“：”2023“，”unstructured“：”Mewada A，Dewang RK（2023）Sa-asba：一种混合模型，用于基于方面的情感分析，在带有极端梯度增强的预训练语言伯特模型中使用合成注意。J Super Comput 79（5）：5516\u20135551“，“journal-title”：“J Super Comput”}，{“key”：“10651_CR167”，“first page”：1“，“volume”：”2013“，“author”：“T Mikolov”，“year”：“2013”，“unstructured”：“Mikolov-T，Chen K，Corrado G，Dean J（2013）向量空间中单词表征的有效估计。Int Conf Learn Representat（ICLR）2013:1\u201312”，“jornal-title:”国际Conf-Learn Representat（ICLR）“}，{”key“：”10651_CR168“，”first page“：“1”，“volume”：“26”，“author”：“T Mikolov”，“year”：“2013”，“unstructured”：“Mikolof T，Sutskever I，Chen K，Corrado GS，Dean J（2013）单词和短语的分布式表示及其组成。Adv Neural Information Process Syst 26:1\u20139”，“journal title”：“Adv Neural Inform Process Syst“}，{“key”：“10651_CR169”，“unstructured”：“米兰达JA，Rituerto-Gonz\u00e1lez E，Guti\u00e 9rrez-Mart\u00edn L，Luis-Mingueza C，Canabal MF，B\u00ercenas AR，Lanza-Guti\u00e_9rrez JM，Pel\u00Ez-Moreno C，L\u00f3pez-Ongil C（2022）韦马克：女性与情感多模态情感计算数据集。欢迎来到计算研究库（CoRR），1\u201311“}，{“issue”：“3”，“key”：“10651_CR170”，“doi-asserted-by”：“crossref”，“first page”：”2287“，“doi”：“10.1007\/s11277-021-08331-4”，“volume”：第119页，“author”：“V Mittal”，“year”：“2021”，“unstructured”：“Mittal V，Gangodkar D，Pant B（2021）深度图形长短期记忆：一种基于深度学习的文本分类方法。Wirel个人通讯119（3）：2287\u20132301”，“期刊标题”：“Wirel个人通讯”}，｛“密钥”：“10651_CR171”，“非结构化”：“Mohammad S，Turney P（2010）普通单词和短语引发的情感：使用机械土耳其语创建情感词典。摘自：NAACL HLT 2010年文本情感分析和生成的计算方法研讨会论文集，第26\u201334页“}，{“key”：“10651_CR172”，“unstructured”：“Mohammad SM（2012）情感推文。收录于：第一届词汇和计算语义联合会议记录——第1卷：主要会议记录和共同任务，第2卷：第六届语义评估国际研讨会记录。谷歌学者谷歌学者数字图书馆数字图书馆，pp 246\u2013255“}，{“key”：“10651_CR173”，“doi-asserted-by”：“crossref”，“unstructured”：“Mohammad S，Bravo-Marquez F，Salameh M，Kiritchenko S（2018）Semeval-2018任务1：推文中的影响。in:第十二届语义评估国际研讨会会议记录，pp.1\u201317”，“doi”：“10.18653\/v1\/S18-1001“}，{“key”：“10651_CR174”，“doi-asserted-by”：“crossref”，“unstructured”：“Mohammad SM（2017）Challenges in feature analysis。in:a practical guide to feature analysis，pp.61\u201383。Springer“，”DOI“：”10.1007\/978-3-319-55394-8_4“}，{”issue“：”4“，”key“：”10651_CR175“，”DOI-asserted-by“：”crossref“，”first page“：“2074”，”DOI:“10.3390\/app13042074”，“volume”：“13”，“author”：“AM Mostafa”，“year”：“2023”，“unstructured”：“Mostafa-AM，Aljasir M，Alruilly M，Alsayat A，Ezz M（2023）使用监督分类进行情感分析的创新前向融合特征选择算法。Appl Sci 13（4）:2074”，“期刊标题”：“Appl Sci”}，{“issue”：“3”，“key”：“10651_CR176”，“首页”：“2588”，“volume”：“12”，“author”：“EG Moung”，“year”：“2022”，“nonstructured”：“Moung EG，Wooi CC，Sufian MM，On CK，Dargham JA（2022）用于图像情感分析的基于集合的人脸表情识别方法。Int J Electr Comput Eng（2088-8708）12（3）：2588\u20132600“，“journal-title”：“Int J Electr Compute Eng（2088-8708）”}，{“key”：“10651_CR177”，“doi-asserted-by”：“crossref”，“unstructured”：“Mousa A，Schuller B（2017）Contextual双向长短期记忆递归神经网络语言模型：情绪分析的生成方法，pp 1023\u20131032”，“doi”：“10.18653\/v1\/E17-1096”}，{“key”：“10651_CR178”，“doi-asserted-by”：“crossref”，“first page”：：“1”，“doi”：“10.1155\/2022\/7937667”，“volume”：”2022“，“author”：“AY Muaad”，“year”：“2022”，“unstructured”：“Muaad AY，Jayappa Davanagere H，Benifa J，Alabrah A，Naji Saif MA，Pushpa D，Al-Antari MA，Alfakih TM（2022）基于人工智能的方法从阿拉伯文本中检测厌恶女性和讽刺。Computat Intell Neuroscience 2022:1\u201310“，“journal-title”：“Computat Intell Neuralscience”}，{“issue”：“2”，“key”：“10651_CR179”，“doi-asserted-by”：“crossref”，“first-page:”118“，“doi”：“10.22452\/mjcs.vol33no2.3”，“volume”：”33“，“author”：“W Muhammad”，“year”：“2020”，“unstructured”：“Muhammad-W，Mushtaq M，Junejo KN，Khan MY（2020）在没有标记数据的情况下，使用监督学习方法对产品评论进行情绪分析。马来人J Compute Sci 33（2）：118\u2013132“，“journal-title”：“马来人J compute Scy”}，{“issue”：“8”，“key”：“10651_CR180”，“doi-asserted-by”：“crossref”，“first-page”：“2173”，“doi”：“10.1016\/J.tele.2018.08.003”，“volume”：”35“author”：“N Mukhtar”，”year：“2018”，“unstructured”：“Mukhatar N，Khan MA，Chiragh N（2018））在多领域的urdu情感分析中，基于词汇的方法优于监督机器学习方法。Telemat Inform 35（8）：2173\u20132183“，”journal-title“：”Telemat Inform“}，{“issue”：“3”，“key”：“10651_CR181”，“doi-asserted-by”：“crossref”，“first page”：”914“，”doi“：”10.1007 \/s12559-023-10127-6“，”volume“：”15“，”author“：”S Murugaiyan“，”year“2023”，”unstructured“：”Murugayan S，Uyyala SR（2023）使用深度卷积神经网络和bilstm对客户语音数据进行基于方面的情感分析。Cogn Compute 15（3）：914\u2013931“，”journal-title“：”Cogn compute“}，{”issue“：”5“，”key“：”10651_CR182“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1145\/3434237”，“volume”：“20”，“author”：“U Naseem”，“year”：“2021”，”unstructured“：”Naseeme U，Razzak I，Khan SK，Prasad M（2021）对单词表示模型的全面调查：从经典到最先进的单词表示语言模型。泛亚低收入人群语言信息流程20（5）：1\u201335“，”journal-title“：”泛亚低贫困人群语言信息过程“}，{“key”：“10651_CR183”，“doi-asserted-by”：“crossref”，“unstructured”：“Nayak DK，Bolla BK（2022）新闻标题讽刺检测的高效深度学习方法。In:机器学习和自主系统，pp.371\u2013 382。Springer”，“DOI”：“10.1007\/978-981-16-7996-4_26”}，{“key”：“10651_CR184”，“DOI-asserted-by”：“crossref”，“unstructured”：“Nithya K，Sathyapriya S，Sulochana M，Tharini S，Dhivyaa C（2022）基于代码混合泰米尔语文本的深度学习分析，用于预训练ulmfit的情感分类，pp 1112\u20131116。IEEE“，”DOI“：”10.1109\/ICCMC53470.2022.9754163“}，{”key“：”10651_CR185“，”unstructured“：”Oberl\u00e4nder LAM，Klinger R（2018）《文本情感分类注释语料库分析》。in:第27届国际计算语言学会议论文集，pp.2104\u20132119“}”，{“key”：“10651_CR186”，“DOI-asserted-by”：“crossref”，”非结构化”：“Oltramari A，Francis J，Ilievski F，Ma K，Mirzaee R（2021）用于常识性问题回答的广义神经符号系统。In：神经符号人工智能：最新技术，第294\u2013310页”，“DOI”：“10.3233\/FAIA210360”}，{“issue”：“1”，“key”：“10651_CR187”，“DOI-asserted-by”：“crossref”，“first page”：10.1002\/cae.22179“，“卷”：“28”，“作者”：“A Onan”，“年份”：“2020”，“非结构化”：“Onan A（2020）从教师评估评论中挖掘意见：深度学习方法。Compute Appl Eng Edu 28（1）：117\u2013138“，“journal-title”：“Compute Apple Eng Edu}，{“key”：“10651_CR188”，“doi-asserted-by”：“crossref”，“unstructured”：“Pang B，Lee L（2005）视觉明星：利用阶级关系，根据评分量表进行情绪分类。计算语言学协会年会，第115页\u2013124“，“DOI”：“10.3115\/121984 0.1219855”}，{“key”：“10651_CR189”，“DOI断言”：“crossref”，“非结构化”：“Pang B，Lee L，Vaithyanathan S（2002）竖起大拇指？使用机器学习技术进行情感分类。自然语言处理实证方法会议，79\u201386”，“DOI”：“10.3115\/1118693.1118704”}，{“key”：“10651_CR190”，“DOI-asserted-by”：“crossref”，“unstructured”：“Park JH，Fung P（2017）一步和两步分类用于twitter上的滥用语言检测。第一届在线滥用语言研讨会论文集，1107\u20131116“，“DOI”：“10.18653\/v1\/W17-3006”}，{“问题”：“2”，“关键”：“10651_CR191”，“首页”：“59”，“卷”：“13”，“作者”：“AR Pathak”，“年份”：“2021”，“非结构化”：“Pathak AR，Pandey M，Rautaray S（2021）基于深度学习的检测和预测来自流数据的趋势主题。Int J Reason Based Intell Syst 13（2）：59\u201368“，”journal-title“：”Int J Rational Based Intel-Syst“}，{“key”：“10651_CR192”，“doi-asserted-by”：“crossref”，“unstructured”：“Patil A（2022）使用kubeflow通过lsa和tf-idf对文档进行单词重要性分析，以进行信息检索。in:expert clouds and applications，pp.335\u2013348。Springer”，“DOI”：“10.1007\/978-981-16-2126-0_29”}，{“key”：“10651_CR193”，“DOI-asserted-by”：“crossref”，“unstructured”：“Pavel MI，Razzak R，Sengupta K，Niloy M，Kabir D，Muqith MB，Tan SY（2021）《实现cnn组合词嵌入技术的毒理学评论分类》。In:创造性计算与信息技术，第897\u2013909页。Springer“，”DOI“：”10.1007\/978-981-33-4305-4_65“}，{”issue“：”1“，”key“：”10651_CR194“，”DOI-asserted-by“：”crossref“，”first page“：“279”，“DOI”：“10.1016\/j.gltp.2022.03.012”，“volume”：“3”，“author”：“N Pavitha”，“year”：“2022”，“unstructured”：“Pavitha N，Pungliya V，Raut A，Bhonsle R，Puroha”it A、Patel A、Shashidhar R（2022年）使用机器学习进行电影推荐和情感分析。Global Trans Proc 3（1）：279\u2013284”，“期刊标题”：“Global Trans Proc”}，｛“issue”：“5”，“key”：“10651_CR195”，“doi断言”：“crossref”，“首页”：“745”，“doi”：“10.1016\/j.can.20211.003”，“volume”：“8”，“author”：“S Peng”，“year”：“2021”，“nonstructured”：“Peng S，Cao L，Zhou Y，Ouyang Z，Yang A，Li X，Jia W，Yu S（2021）社交网络中文本情感分析的深度学习调查。Dig Commun Netw 8（5）：745\u2013762“，”journal-title“：”Dig Common Netw“}，{”key“：”10651_CR196“，”first page“：“79”，“volume”：“2022”，”author“：”J Peng“，”year“：”2022“，“unstructured”：“Peng J，Xu J（2022）基于深度学习的自动答疑机器人个性化产品推荐模型。J Rob 2022:79\u201386”，“journal-title”：“J Rob”}，}“issue“：”2001“，”key“：”10651_CR197“，”first page“：“1”，“volume”：“71”，“author”：“JW Pennebacker”，“year”：“2001”，“unstructured”：“Pennebacer JW，Francis ME，Booth RJ（2001）语言查询和单词计数：Liwc 2001。Mahway:Lawr Erlb Assoc 71（2001）：1\u201315“，“journal-title”：“Mahway:Lawr Erlb Assoc.”}，{“key”：“10651_CR198”，“doi-asserted-by”：“crossref”，“unstructured”：“Pennington J，Socher R，Manning CD（2014）Glove:单词表示的全局向量。In:2014年自然语言处理经验方法会议记录（EMNLP），pp.1532\u20131543“，“DOI”：“10.3115\/v1\/D14-1162”}，{“key”：“10651_CR199”，“DOI-asserted-by”：“crossref”，“unstructured”：“Pennington J，Socher R，Manning CD（2014）Glove:Global vectors for word representation。In:2014年自然语言处理经验方法会议记录（EMNLP），pp.1532\u2013 1543”，“DOI:”10.3115\/v1\/D14-1162“}，{“key”：“10651_CR200”，“doi-asserted-by”：“crossref”，“first page”：：“42”，“doi”：“10.1016\/j.knosys.2016.06.009”，“volume”：”108“，“author”：“S Poria”，”year“：“2016”，“unstructured”：“Poria S，Cambria E，Gelbukh A（2016）基于深度卷积神经网络的意见挖掘方面提取。基于知识的系统108:42\u201349”，“journal-title“：”Knowl-Based Syst“}，{”issue“：”6“，”key“：”10651_CR201“，”doi-asserted-by“：”crossref“，”first-page“：”17“，”doi“：”10.1109\/MIS.2018.2882362“，”volume“：“33”，”author“：”S Poria“，“year”：“2018”，“unstructured”：“Poria S，Majumder N，Hazarika D，Cambria E，Gelbukh A，Hussain A（2018）多模式情绪分析：解决关键问题并建立基线。IEEE Intell Syst 33（6）:17\u201325”，“期刊标题”：“IEEE Intell Syst”｝，｛“键”：“10651_CR202”，“非结构化”：“Prabha VD，Rathipriya R（2020）使用引力搜索算法的胶囊网络进行情感分析。J Web Eng 775\u2013794”｝，｛“键”：“10651_CR203”，“非结构化”：“Ragheb W，Az\u00e9 J，Bringay S，Servajean M（2019）文本对话中基于注意的情感检测和分类建模。摘自：第十三届语义评估国际研讨会论文集，1\u20135“}，{“key”：“10651_CR204”，“doi-asserted-by”：“crossref”，《首页》：“13”，“doi”：“10.1016\/j.ijinfomgt.2018.5.004”，“卷”：“42”，“作者”：“JR Ragini”，“年份”：“2018”，“非结构化”：“Ragini JR，Anand PR，Bhaskar V（2018）通过情绪分析进行灾难响应和恢复的大数据分析。Int J Inform Manag 42:13\u201324“，”journal-title“：”Int J Not Manag.“}，{”key“：”10651_CR205“，”doi-asserted-by“：”crossref“，“unstructured”：“Rahma A，Azab SS，Mohammed A（2023）《阿拉伯讽刺检测综合评述：方法、挑战和未来趋势》。IEEE Access“，”doi“：”10.1109\/ACCES.2023.3247427“}”，{“key”：“10651_CR2 06”，“第一页“：“5527”，“卷”：“74”，“作者”：“H Rahman”，“年份”：“2023”，“非结构化”：“Rahman H，Tariq J，Masood MA，Subahi AF，Khalaf OI，Alotaibi Y（2023）使用监督机器学习对社交媒体文本进行多层情感分析。Comput Mater Contin 74:5527\u20135543“，”journal-title“：”Comput Mater Contin“}，{“key”：“10651_CR207”，“unstructured”：“Rajula P，Hung C-C，Ponzetto SP（2022）基于堆叠模型的参数提取和使用嵌入式lstm模型的立场检测。CLEF的工作笔记论文”}，“key“：”10651_CR2“，”doi-asserted-by“：”crossref“，”unstructure“：”Rakhecha K、Rauniyar S、Agrawal M、Bhatt A（2023）使用深度学习对在线新闻中的偏见检测进行调查。收录于：2023年第二届应用人工智能与计算国际会议（ICAAIC），第396\u2013403页。IEEE“，”DOI“：”10.1109\/ICAAIC56838.2023.10140917“}，{”issue“：”1\/2“，”key“：”10651_CR209“，”DOI-asserted-by“：”crossref“，“first page”：“163”，“DOI”：“10.1016\/j.aci.2019.02.002”，“volume”：”18“，”author“：”P Ray“，”year“：”2022“，”unstructured“：”Ray P，Chakrabarti A（2022）深度学习方法和基于规则的方法的混合方法，用于改进方面级别的情感分析。Appl Comput Inform 18（1\/2）:163\u2013178”，“期刊标题”：“Appl Comput Inform”}，｛“issue”：“1”，”、“、“”第”却（利用情绪分析和支持向量机预测股市走势。IEEE Syst J 13（1）：760\u2013770“，”journal-title“：”IEEE Syss J“}，{”issue“：”3“，”key“：”10651_CR211“，”doi-asserted-by“：”crossref“，“first page”：“832”，”doi“：”10.3390\/make1030048“，”volume“：“1”，”author“：”M Rhanoui“，”year“：”2019“，”unstructured“：”Rhanoul M，Mikram M，Yousfi S，Barzali S（2019）用于文档级情感分析的cnn-bilstm模型。马赫学习知识摘录1（3）：832\u2013847”，“新闻标题”：“马赫学习学习知识摘编”}，{“关键字”：“10651_CR212”，“卷”：“215”，“作者”：“M Roig Vilamala”，“年份”：“2022”，“非结构化”：“Roig Villamala M，Xing T，Taylor H，Garcia L，Srivastava M，Kaplan L，Preece A，Kimmig A，Cerutti F（2022）Deepprobcep：一种用于对抗环境中复杂事件处理的神经符号方法。Expert Syst Appl 215:119376“，“journal-title”：“Expert Syss Appl”}，{“key”：“10651_CR213”，“doi-asserted-by”：“crossref”，“unstructured”：“Saeed HH，Shahzad K，Kamiran F（2018）使用深层神经架构进行重叠毒性情绪分类。In:2018 IEEE国际数据挖掘研讨会（ICDMW），pp.1361\u20131366。IEEE“，”DOI“：”10.1109\/ICDMW.2018.00193“}，{”issue“：”4“，”key“：”10651_CR214“，“DOI-asserted-by”：“crossref”，“first page”：“12873”，“DOI”：“10.1111\/exsy.12873”，“volume”：”40“，”author“：”R Saha“，”year“：”2023“，”unstructured“：”Saha R，Granmo O-C，Goodwin M（2023）使用tsetlin机器发现自然语言处理应用程序中的可解释规则。专家系统40（4）：12873“，“日志标题”：“专家系统”}，{“key”：“10651_CR215”，“首页”：“4614”，“卷”：“36”，“作者”：“K Sailunaz”，“年份”：“2019”，“非结构化”：“Sailunaz K，Alhajj R（2019）twitter文本的情绪和情绪分析。J Computat Sci 36:4614\u20134620”，“日志名称”：“J Computa Sci”}“doi-asserted-by”：“crossref”，“非结构化”：“Salahdine F，Aggarwal S，Nasipuri A（2022）lora网络的短期交通拥堵预测与深度学习。收录于：《2022年东南会议》，第261\u2013268页。IEEE“，”DOI“：”10.1109\/SutheastCon48659.2022.9763927“}，{”key“：”10651_CR217“，”DOI-asserted-by“：”crossref“，“first page”：“91604”，“DOI”：“10.1109\/ACCESS.2021.3089099”，“volume”：”9“，”author“：”BN Dos Santos“，”year“：”2021“，”unstructured“：”Dos Santo BN，Marcascini RM，Rezende SO（2021）使用变压器的双向编码器表示进行多域方面提取。IEEE Access 9:91604\u201391613“，“journal-title”：“IEEE Access”}，{“key”：“10651_CR218”，“doi-asserted-by”：“crossref”，“unstructured”：“Saravia E，Liu H-CT，Huang Y-H，Wu J，Chen Y-S（2018）照顾者：情绪识别的情境化情感表征。摘自：2018年自然语言处理实证方法会议纪要，第3687\u20133697页，“DOI”：“10.18653\/v1\/D18-1404”}，{“key”：“10651_CR219”，“DOI-asserted-by”：“crossref”，“unstructured”：“Saravia E，Liu H-CT，Huang Y-H，Wu J，Chen Y-S（2018）照顾者：情绪识别的情境化情感表征。在：2018年自然语言处理实证方法会议记录，第3687\u20133697页，“DOI”：“10.18653\/v1\/D8-1404”}，｛“key”：“10651_CR220”，“DOI断言”：“crossref”，“首页”：“431”，“DOI”：“10.1016\/j.psychres.2021.114135”，“卷”：“304”，“作者”：“j Sarzynska Wawer”，“年份”：“2021”，“非结构化”：“Sarzynska-Wawer J，Wawer A，Pawlak A，Szymanowska J，Stefaniak I，Jarkiewicz M，Okruszek L（2021）通过深层语境化的词语表征检测形式思维障碍。Psych Res 304:431\u2013435“，”journal-title“：”Psych Res“}，{”key“：”10651_CR221“，”doi-asserted-by“：”crossref“，”unstructured“：”Saxena A，Reddy H，Saxena P（2022）《情绪分析导论》，涵盖基础知识、工具、评估指标、挑战和应用。摘自：社交网络原理，第249\u2013277页。Springer“，”DOI“：”10.1007\/978-981-6-3398-0_12“}，{“issue”：“2”，“key”：“10651_CR222”，”DOI-asserted-by“：”crossref“，”first page“：”310“，“DOI”：“10.1037\/0022-3514.66.2.310”，“volume”：”66“，”author“：”KR Scherer“，”year“：”1994“unstructured”：”Scherer KR，Wallbott HG（1994）差异情绪反应模式的普遍性和文化差异的证据。J Person Soc Psychology 66（2）：310\u2013328“，”journal-title“：”J Person Soc Psychlogy“}，{”issue“：”1“，”key“：”10651_CR223“，”doi-asserted-by“：”crossref“，”first page“：“105”，“doi”：“10.3390\/make4010006”，“volume”：“4”，“author”：“A Schmidt”，“year”：“2022”，“unstructured”：“Schmit A，Kabir MWU，Hoque MT（2022）”基于机器学习的餐厅销售预测。Mach Learn Knowl Extract 4（1）：105\u2013130”，“journal-title”：“Mach Learn-Knowl-Extract”}，{“issue”：“11”，“key”：“10651_CR224”，“doi-asserted-by”：“crossref”，“first-page”：“2673”，“doi”：“10.1109\/78.650093”，“volume”：”45“author”：“P Schuster”，“year”：“1997”，“unstructured”：“Schuster P（1997）舒斯特m.，paliwal kk。双向递归神经网络。IEEE Trans Signal Process 45（11）：2673\u20132681“，”journal-title“：”IEEE Trans-Signal Process“}，{“key”：“10651_CR225”，“doi-asserted-by”：“crossref”，”unstructured“：”Seal D，Roy UK，Basak R（2020）基于语义规则的文本句子级情感检测。在：信息和通信技术促进可持续发展，第423\u2013430页”，“DOI”：“10.1007\/978-981-13-7166-0_42”}，{“key”：“10651_CR226”，“DOI断言”：“crossref”，“非结构化”：“Seema S等人（2022）情绪分析挑战和未来问题的深度学习方法。在：网络物理系统的深度学习应用，第27\u201350页，“DOI”：“10.4018\/978-17998-8161-2.ch003”}，{“问题”：“5”，“关键”：“10651_CR227”，“DOI-asserted-by”：“crossref”，“首页”：“2511”，“DOI:“10.1007\/s12652-021-03460-x”，“卷”：“13”，“作者”：“R Shaik”，”年份：“2022”，“非结构化”：“Shaik R，Venkatramaphapha”尼库马尔S（2022）基于单词的urdu语音识别的情感分析。J Ambient Intell Human Compute 13（5）：2511\u20132531“，”journal-title“：”J Ambient-Intell Human Computer“}，{“key”：“10651_CR228”，“unstructured”：“Shakya A，Rus V，Venugopal D（2021）使用神经符号学方法进行学生策略预测。Int Edu Data Min Soc“}Sharma N、Pabreja R、Yaqub U、Atluri V、Chun SA、Vaidya J（2018）基于网络的实时推文情绪分析应用程序。摘自：第19届数字政府研究：数据时代的治理国际年会论文集，第1\u20132页“，”DOI“：”10.1145“，”key“：”10651_CR230“，”first page“：“34”，“volume”：“7”，“author”：“H Shelke”，“year”：“2022”，“unstructured”：“Shelke H，Lokhande V，Pawar A，Solanke M，Ghodke T（2022）通过深度学习预测交通拥堵。EPRA Int J Res Development（IJRD）7（1）:34\u201337”，“期刊标题”：“EPRA Int J Res Development（IJRD）”}，｛“密钥”：“10651_CR231”，“doi断言”：“交叉引用”，“第一页”：“839440”，“doi”：“10.3389\/fpsyg.2022.8339440”，“卷”：“13”，“作者”：“Y Shen”，“年份”：“2022”，“非结构化”：“Shen Y，Guo H（2022）后疫情时代英语教育的新突破和创新模式。Front Psychol 13:839440\u2013839440“，”journal-title“：”Front Phychol“}，{”key“：”10651_CR232“，”doi-asserted-by“：”crossref“，“unstructured”：“沈Q（2022）预测传奇联盟结果的机器学习方法。In:2022机器学习与知识工程国际会议（MLKE），pp.38\u201345”，“doi”：“10.1109\/MLKE55170.2022.00013“}，{“key”：“10651_CR233”，“doi-asserted-by”：“crossref”，“first page”：”19849“，”doi“：”10.1109\/ACCESS.2023.3248796“，”volume“：”11“，”author“：”J-S Sheu“，”year“：”2023“，”unstructured“：”Sheu J-S，Wu S-R，Wu W-H（2023）使用强化学习和正规辍学技术改进传统汉语任务型对话系统的性能。IEEE Access 11:19849\u201319862“，”journal-title“：”IEEE Access“}，{”key“：”10651_CR234“，”doi-asserted-by“：”crossref“，”first page“：“1”，”doi“：”10.1007\/s13042-019-00928-3“，”volume“：情绪分析深度学习的最新进展综述：表现、挑战和局限性。Int J Mach Learn Cybern 11:1\u20139“，”journal-title“：”Int J Mach Learn Crybern“}，{”key“：”10651_CR235“，”doi-asserted-by“：”crossref“，“首页”：“266”，“doi”：“10.1016\/J.patcog.2017.09.018”，“卷”：“74”，“作者”：“FB Silva”，“年份”：“2018”，“非结构化”：“Silva FB，Werneck RdO，Goldenstein S，Tabbone S，Torres RdS（2018）基于图形的分类袋单词。Patt Recogn 74:266\u2013285“，”journal-title“：”Patt Recoign“}，{”issue“：”1“，”key“：”10651_CR236“，”doi-asserted-by“：”crossref“，”first-page“：”117“，“doi”：“10.14329\/apjis.2019.29.117”，“volume”：“29”，“author”：“R Singh”，“year”：“2019”，“unstructured”：“Singh R，Woo J，Khan N，Kim J，Lee H，Rahman H，Park J、Suh J、Eom M、Gudigantala N（2019年）机器学习模型在yelp数据上的应用。亚太J Inform Syst 29（1）：117\u2013143“，“journal-title”：“Asia Pacific J Inform System”}，{“key”：“10651_CR237”，“unstructured”：“Socher R，Perelygin A，Jean Y（2013）Wu；jason chuang；christopher d.In:MANNING，Andrew Y。NG和Christopher POTTS。\u00ab\u00a0情感树库上语义合成的递归深层模型\u00bb。摘自：自然语言处理经验方法会议记录。T、 第1631卷，第1642页“}，{“key”：“10651_CR238”，“doi-asserted-by”：“crossref”，“unstructured”：“Srivastava S，Khurana p，Tewari V（2018）使用胶囊网络识别评论中的攻击性和毒性。摘自：《第一届网络欺凌、攻击性和网络欺凌研讨会论文集》（TRAC-2018），第98\u2013105页”，“doi”：“10.18653\/v1\/W19-3517”}key“：”10651_CR239“，”doi-asserted-by“：”crossref“，”unstructured“：”Stepanova N，Muthemba W，Todrzak R，Cross M，Ames N，Raiti J（2021）《言语攻击检测的自然语言处理和情感分析》；一种针对视频游戏中网络欺凌的解决方案。在：第14届与辅助环境相关的保护技术会议，第117\u2013118页，“DOI”：“10.1145\/33453892.3646897”｝，｛“key”：“10651_CR240”，“非结构化”：“Stone PJ，Dunphy DC，Smith MS（1966）The general inquirer:A computer approach to content analysis”｝，｛“key”：“10651_CR241”，“首页”：“40”，“卷”：“4”，“作者”：“C Strapparova”年：“2004”，“非结构化”：“Strapparava C，Valitutti A等人（2004）Wordnet affect：Wordnet的情感延伸。LREC 4:40“，”journal-title“：”LREC“}，{“key”：“10651_CR242”，“doi-asserted-by”：“crossref”，“unstructured”：“Strapparava C，Mihalcea R（2007）Semeval-2007任务14：情感文本。摘自：第四届语义评估国际研讨会论文集（Semeval-2007），第70\u201374页”，“doi”：“10.3115\/1621474.1621487”}，}“issue”：“1”，“key“10651-CR243”，“volume“：”47“，”author“：”B Tahayna“，”year“：”2023“，”unstructured“：”Tahayna-B，Ayyasamy RK（2023）应用英语习语对covid-19推文中的深情进行分类。计算系统科学与工程47（1）：102454“，”journal-title“：”Comput Syst Sci Eng“}，{”key“：”10651_CR244“，”doi-asserted-by“：”crossref“，”unstructured“：”Tai KS，Socher R，Manning CD（2015）改进了树结构长短期记忆网络的语义表示。计算语言学协会第53届年会和第7届国际自然语言处理联合会议记录（第1卷：长篇论文），1\u201311“，”DOI“：”10.3115\/v1\/P15-1150“}，{“issue”：“3”，“key”：“10651_CR245”，“DOI-asserted-by”：“crossref”，“first page”：”2213“，”DOI“：“10.1007\/s11277-023-10235-4”，“卷：“129”，“作者”：“YY Tan”，“年份”：“2023”，“非结构化”：“Tan YY，Chow C-O，Kanesan J，Chuah JH，Lim Y（2023）使用深度多任务学习进行情绪分析和讽刺检测。Wirel Pers Commun 129（3）：2213\u20132237“，”journal title“：”Wirel Pers Commun“}，{“key”：“10651_CR246”，“first page”：”1555“，“volume”：1“，“author”：“D Tang”，“year”：“2014”，“unstructured”：“Tang D，Wei F，Yang N，Zhou M，Liu T，Qin B et al（2014）学习情绪特定词嵌入，用于推特情绪分类。ACL 1:1555\u20131565”，“期刊标题：“ACL”}，｛“issue”：“2”，“key”：“10651_CR247”，“doi asserted by”：“crossref”，“首页”：“334”，“doi”：“10.1016\/j.scij.2018.10.003”，“volume”：“3”，“author”：“A Tealab”，“year”：“2018”，“nonstructured”：“Tealab A（2018）使用人工神经网络方法的时间序列预测：系统综述。Future Comput Inform j 3（2）：334\u2013340“，”journal-title“：”Future Compute Inform J“}，{”key“：”10651_CR248“，”first page“：“143”，“volume”：“47”，“author”：“I Tiddi”，“year”：“2020”，“unstructured”：“Tiddi I et al（2020）Neuro-symbolic architecture for context understanding。Knowl Graphs EXpla Artif Intell Found Appl Chall 47:143”，“journal-title”：“”Knowl Graphs EXpla Artif Intell Found Appl Chall“}，{“key”：“10651_CR249”，“doi-asserted-by”：“crossref”，“unstructured”：“Tiwari D，Nagpal B，Bhati BS，Mishra A，Kumar M（2023）《社交网络情绪分析与基于集合的技术比较研究的系统综述》。Artif Intelli Rev 1\u201355”，“doi”：“10.1007 \/s10462-023-10472-w”}，}“issue“：”8“，”key“：”10651_CR250“，”first page“：“6057”，“volume”：“34”，“author”：“M Tomer”，“year”：“2022”，“unstructured”：“Tomer M，Kumar M（2022）基于firefly算法的多文档提取文本摘要。J King Saud Univ Compute Inform Sci 34（8）：6057\u20136065“，“journal-title”：“J King沙特大学Compute Info Sci”}，{“key”：“10651_CR251”，“doi-asserted-by”：“crossref”，“unstructured”：“Trinh S，Nguyen L，Vo M，Do P（2016）基于词典的越南语脸书评论情绪分析。摘自：智能信息和数据库系统的最新发展，第263\u2013276页。Springer”，“DOI”：“10.1007\/978-3-319-31277-4_23”}，{“key”：“10651_CR252”，“DOI-asserted-by”：“crossref”，“unstructured”：“Trusca MM，Spanakis G（2020）用于文本情感分类的混合平铺卷积神经网络。代理与人工智能国际会议，1\u20138”，“DOI”：”10.5220\/0008946505060513“}，”{“issue”：“15”，“key“：“10651_CR253”，“doi-asserted-by”：“crossref”，“first page”：“13043”，“doi”：“10.1007\/s00521-022-07164-x”，“volume”：”34“，“author”：“M Ul\u010dar”，“year”：“2022”，“unstructured”：“Ul\u 010dar M，Robnik-\u 0160ikonja M（2022）elmo上下文嵌入的跨语言对齐。神经计算应用程序34（15）：13043\u201361“，”journal-title“：”Neural Comput Appl“}，{”key“：”10651_CR254“，”doi-asserted-by“：”crossref“，”first-page“：”126“，“doi”：“10.1016\/j.inffus.2018.03.007”，“volume”：“44”，“author”：“A Valdivia”，“year”：“2018”，“unstructured”：“Valdivia，Luz\u00f3n MV，Cambria E，Herrera F（2018）情绪分析中检测和过滤中立性的共识投票模型。信息融合44:126\u2013135”，“期刊标题”：“信息融合”}，｛“key”：“10651_CR255”，“doi asserted by”：”，”：”，”，”，”，”，”，该“的“，“一一一的，的。IEEE“，”DOI“：”10.1109\/FUZZ-IEEE.2017.8015751“}，{“key”：“10651_CR256”，“DOI-asserted-by”：“crossref”，”unstructured“：”Van\u00a0Aken B，Risch J，Krestel R，L\u00f6ser A（2018）有毒评论分类的挑战：深入的错误分析。在线滥用语言研讨会，1\u201310“，”DOI“：“10.18653\/v1\/W18-5105”}，“{“密钥”：“106 51_CR257”，“doi-asserted-by“：”crossref“，”unstructured“：”Varghese M，Anoop V（2022）基于深度学习的covid-19新闻视频情感分析。摘自：信息技术和应用国际会议记录，第229\u2013238页。Springer”，“DOI”：“10.1007\/978-981-16-7618-5_20”}，{“key”：“10651_CR258”，“DOI-asserted-by”：“crossref”，“unstructured”：“Vatambeti R，Mantena SV，Kiran K，Manohar M，Manjunath C（2023）基于大象群优化和混合深度学习技术的在线食品服务推特情感分析。集群计算，1\u201317”，“DOI”：10.1007 \/s10586-023-03970-7“}，{“key”：“10651_CR259”，“doi-asserted-by”：“crossref”，“unstructured”：“Walkowiak T，Datko S，Maciejewski H（2019）基于文档到vec和局部异常因子的波兰语文本文档开放集主题分类。in:人工智能和软计算国际会议，pp.455\u2013463”，“doi”：“10.1007\/978-3-030-20915-5_41“}，{“issue”：“3”，“key”：“10651_CR260”，“doi-asserted-by”：“crossref”，”first page“：”714“，”doi“：”10.3390\/s22030714“”，“volume”：”22“，”author“：”L Wang“，”year“2022”，“unstructured”：“Wang L，Meng Z（2022）基于交互特征和组策略的多通道二维卷积神经网络用于中文情感分析。Sensors 22（3）:714”，“期刊标题”：“Sensors”}，{“key”：“10651_CR261”，“nonstructured”：“Wang X，Jiang W，Luo Z（2016）卷积和递归神经网络用于短文本情感分析的组合。在：2016年COLING会议记录，第26届计算语言学国际会议：技术论文，第2428\u20132437页”}，{key“：”10651_CR262“，”doi-asserted-by“：”crossref“，”unstructured“：”Wang JZ，Zhao S，Wu C，Adams RB，Newman MG，Shafir T，Tsachor R（2023）《解锁视觉媒体的情感世界：理解情感的科学、研究和影响概述——从心理学、工程学和艺术中汲取见解，本文对视觉媒体中的情感分析领域进行了全面概述，并讨论了人工情感智能的最新研究、系统、挑战、伦理含义以及对社会的潜在影响。IEEE Proceedings of the IEEE“，”DOI“：”10.1109\/JPROC.2023.3273517“}，{“key”：“10651_CR263”，“DOI-asserted-by”：“crossref”，“first-pages”：“1”，“DOI”：“10.1155\/2022\/1566890”，“volume”：”2022“author”：“Y Wazery”，“year”：“2022”，“unstructured”：“Wazery Y，Saleh ME，Alharbi A，Ali AA（2022）基于深度学习的抽象阿拉伯语文本摘要。Computat Intell Neuroscience 2022:1\u201314“，“journal-title”：“Computat智能神经科学”}，{“key”：“10651_CR264”，“doi-asserted-by”：“crossref”，“unstructured”：“Wilson T，Wiebe J，Hoffmann P（2005）在短语级情感分析中识别语境极性。摘自：《人类语言技术会议和自然语言处理实证方法会议纪要》，第347\u2013354页，“DOI”：“10.3115\/1220575.1220619”}，{“key”：“10651_CR265”，“DOI-asserted-by”：“crossref”，“first-page”：“48”，“DOI:”10.1016\/j.dss.2018.04.005“，“volume”：”111“author”：“D Wu”，“year”：“2018”，“unstructured”：“Wu D，Cui Y（2018）利用社交媒体数据和地理位置信息进行灾害预警和损害评估分析。Decis Supp Syst 111:48\u201359“，“journal-title”：“Decis Support Syst”}，{“key”：“10651_CR266”，“first page”：1“，”volume“：”183“，“author”：“S Wu”，“year”：“2019”，“unstructured”：“Wu S，Xu Y，Wu F，Yuan Z，Huang Y，Li X（2019）通过融合多种文本知识源进行基于方面的情感分析。基于知识的系统183:1\u201318”，“jornal-tittle”：基于知识的系统“｝，｛“issue”：“3”，“key”：“10651_CR267”，“doi asserted by”：“crossref”，“首页”：“46”，“doi”：“10.1109\/MIS.2013.34”，“volume”：“28”，“author”：“M W\u00f6llmer”，“year”：“2013”，“nonstructured”：“W\u00f6llmer M，Weninger F，Knaup T，Schuller B，Sun C，Sagee K，Morency L-P（2013）Youtube影评：视听背景下的情感分析。IEEE Intell Syst 28（3）：46\u201353“，”journal-title“：”IEEE Intel-Syst“}，{”key“：”10651_CR268“，”doi-asserted-by“：”crossref“，”first page“：“135”，“doi”：“10.1016\/j.neucom.2020.1.024”，“volume”：“388”，“author”：“Q Xu”，“year”：“2020”，“unstructured”：“Xu Q，Zhu L，Dai T，Yan C（2020）基于方面的多关注网络情感分类。Neurocomputing 388:135\u2013143“，”journal-title“：”Neurocumputing“}，{“key”：“10651_CR269”，“doi-asserted-by”：“crossref”，“unstructured”：“Xu H，Liu B，Shu L，Yu PS（2018）Double embeddings and cnn-based sequence labeling for aspect extraction。Assoc Comput Linguist（ACL），pp 592\u2013598”，“doi”：“10.18653\/v1\/P18-2094”}，}“issue”：“6”，“key“”10651_CR270“，”doi-asserted-by“：”crossref“，”first page“：”4335“，”doi“：”10.1007\/s10462-019-09794-5“，”volume“：“53”，”author“：”A Yadav“，”year“：”2020“，”unstructured“：”Yadav A，Vishwakarma DK（2020）使用深度学习架构的情感分析：综述。Artif Intell Rev 53（6）：4335\u20134385“，“journal-title”：“Artif智能版本”}，{“key”：“10651_CR271”，“doi-asserted-by”：“crossref”，“unstructured”：“Yanase T，Yanai K，Sato M，Miyoshi T，Niwa Y（2016）bunji在semeval-2016任务5：基于体的情感分析实体属性关系的神经和句法模型。摘自：第十届语义评估国际研讨会论文集（SemEval-2016），第289\u2013295页，“DOI”：“10.18653\/v1\/S16-1046”}，{“key”：“10651_CR272”，“unstructured”：“Yang Z，Zhao J，Dhingra B，He K，Cohen WW，Salakhutdinov R，LeCun Y（2018）Glomo：非监督学习的关系图，作为可转换表示。在：神经信息处理系统国际会议，8964\u20138975“｝，｛“key”：“10651_CR273”，“volume”：“258”，“author”：“J Ye”，“year”：“2022”，“nonstructured”：“Ye J，Zhou J，Tian J，Wang R，Zhou J，Gui T，Zhang Q，Huang X（2022）用于多模态情绪分析的情绪感知多模态预训练。基于知识的系统258:110021”journal-title“：”Knowl-Based Syst“}，{”key“：”10651_CR274“，”doi-asserted-by“：”crossref“，”unstructured“：”Youcef FZ，Barigou F（2021）《单峰和多峰情绪分析背景下的阿拉伯语调查》。收录于：2021年第22届国际阿拉伯信息技术会议（ACIT），第1\u20137页。IEEE“，”DOI“：”10.1109\/ACIT53391.2021.9677274“}，{“key”：“10651_CR275”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zadeh A，Chen M，Poria S，Cambria E，Morency L-P（2017）多模态情感分析的张量融合网络。2017年自然语言处理实证方法会议论文集，1\u201312”，“DOI”：“10.18653\/v1\/D17-115“}，{“key”：“10651_CR276”，“doi-asserted-by”：“crossref”，“首页”：“20462”，“doi”：“10.1109\/ACCESS.2019.2893806”，《卷》：“7”，“作者”：“曾俊华”，“年份”：“2019”，“非结构化”：“曾J，马X，周K（2019）使用位置上下文增强基于注意的lstm，用于方面级情感分类。IEEE Access 7:20462\u201320471”，“期刊标题”：“IEEE Access”}，｛“key”：“10651_CR277”，“doi asserted by”：“crossref”，“非结构化”：“Zhai S，Zhang ZM（2016）情绪分析半监督自动编码器。在：第三十届AAAI人工智能会议，第1\u20137页”，“doi”：“10.1609\/aai.v30i1.10159”｝，｛“issue”：“1”，“key”：“10651_CR278”doi-asserted-by“：”crossref“，”first-page“：”43“，”doi“：”10.1007\/s13042-010-0001-0“，”volume“：”1“，”author“：”Y Zhang“，”year“：”2010“，”unstructured“：”Zhang Y，Jin R，Zhou Z-H（2010）Understanding bag-off-words model:a statistical frameworks.Int J Mach Learn Cybern 1（1）：43\u201352“，”journal-title“：”Int J Mah Learn-Cybern“}，{“issue”：“12”，“key”：“”10651_CR279“，”doi-asserted-by“：”crossref“，”first page“：”16332“，”doi“：”10.1007\/s10489-022-03343-4“，”volume“：“53”，”author“：”Q Zhang“，”year“：”2023“，”unstructured“：”Zhang Q，Shi L，Liu P，Zhu，Xu L（2023）Icdn：通过变压器整合一致性和差异性网络进行多模态情感分析。Appl Intell 53（12）：16332\u201316345“，”journal-title“：”Appl Intel“}，{”issue“：”4“，”key“：”10651_CR280“，”first page“：“12”，“volume”：“8”，“author”：“L Zhang”，“year”：“2018”，“unstructured”：“Zhang L，Wang S，Liu B（2018）Deeply learning for vement analysis：一项调查。Wiley Int Rev Data Min Knowl Disc 8（4）：12\u201327”，“journal-title”：“Wiley Int Rev Data Min Knowl Disc“}，{”issue“：”1“，”key“：”10651_CR281“，“doi-asserted-by”：“crossref”，“first page”：“541”，“doi”：“10.1287\/ijoc.2021.1083”，“volume”：”34“，“author”：“Z Zhang”，“year”：“2022”，“unstructured”：“Zhang Z，Wei X，Zheng X，Li Q，Zeng DD（2022）通过多视角深度学习检测产品采用意图。INFORMS J Compute 34（1）：541\u2013556“，”journal-title“：”INFORMS J Compute“}，{“issue”：“6”，“key”：“10651_CR282”，“first page”：”1“，”volume“：“9”，“author”：“X Zhang”，“year”：“2021”，“unstructured”：“Zhang X，Wu K，Chen Z，Zhang C（2021）Malcaps:一个基于胶囊网络的恶意软件分类模型。进程9（6）：1\u2013 18”，“journal-title”：“进程”}，51_CR283“，”首页”：“1”，“卷”：“28”，“作者”：“X Zhang”，“年份”：“2015”，“非结构化”：“Zhang X，Zhao J，LeCun Y（2015）用于文本分类的字符级卷积网络。Adv Neural Inform Process Syst 28:1\u20139”，“journal-title”：“Adv Neurous Inform Process System”}，{“key”：“10651_CR284”，“first page”：”1“，”volume“：”2022“，“author”：“M Zhang”，“year”：“2022”，“unstructured”：“Zhang M，Zhou G，Yu W，Huang N，Liu W（2022）基于深度学习的抽象文本摘要综述。Computat Intell Neuroscience 2022:1\u201310“，“journal-title”：“Computat Intell Neuralscience”}，{“key”：“10651_CR285”，“unstructured”：“Zhang C，Zhou Z，Peng X，Xu K（2023）Doubleh:通过二分图神经网络检测推特用户立场。计算语言学协会年会，1\u2013年11”}doi-asserted-by“：”crossref“，”unstructured“：”Zhang M，Zhang Y，Vo D-T（2016）门控神经网络用于目标情绪分析。摘自：第三十届AAAI人工智能会议，第3087\u20133093页“，“DOI”：“10.1609\/AAAI.v30i1.10380”}，{“key”：“10651_CR287”，“unstructured”：“Zhang Y，Wallace B（2015）《（和从业人员2019指南）敏感性分析》用于句子分类的卷积神经网络。国际自然语言处理联合会议，pp 253\u2013263“}，{“key”：“10651_CR288”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang N，Deng S，Sun Z，Chen X，Zhang W，Chen H（2018）基于注意的胶囊网络，具有用于关系提取的动态路由。2018年自然语言处理实证方法会议论文集，贝尔久姆，986\u2013992“，“DOI”：“10.18653\/v1\/D18-1120”}，{“key”：“10651_CR289”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhang N，Xu X，Tao L，Yu H，Ye H，Xie X，Chen X，Li Z，Li L，Liang X，et al（2022）Deepke：用于知识库人口的基于深度学习的知识提取工具包。欢迎来到计算研究数据库（CoRR），1\u201311“，”DOI“：”10.18653\/v1\/2022.emnlp-demos.10“}，{”key“：”10651_CR290“，”DOI-asserted-by“：”crossref“，“unstructured”：“Zhao W，Peng H，Eger S，Cambria E，Yang M（2019）面向具有挑战性的nlp应用的可扩展且可靠的胶囊网络。意大利计算语言学协会第57届年会论文集，1549\u20131559“，”DOI“：”10.18653\/v1\/P19-1150“}，{”key“：”10651_CR291“，”first page“：“1”，“volume”：“1345”，“author”：“L Zhou”，“year”：“2019”，“unstructured”：“Zhou L，Bian X（2019）改进了基于大关注度的文本情感分类方法。J Phys Conf Ser 1345:1\u20137“，“journal-title”：“J Phys-Conf Ser”}，{“key”：“10651_CR292”，“doi-asserted-by”：“crossref”，“首页”：“78454”，“doi”：“10.1109\/ACCESS.2019.2920075”，“卷”：“7”，“作者”：“J Zhou”，“年份”：“2019”，“非结构化”：“周J，黄JX，陈Q，胡QV，王T，何L（2019）深度学习方面级情绪分类：调查、愿景和挑战。IEEE Access 7:78454\u201378483“，”journal-title“：”IEEE Access“}，{”key“：”10651_CR293“，“volume”：“272”，“author”：“N Zhou”，“year”：“2023”，“unstructured”：“Zhou N，Yao N，Li Q，Zhao J，Zhang Y（2023）Multi-mccr：带少量标签的半监督文本分类的多模型正则化。基于知识的系统272:110588”，“journal-title”：“”基于知识的系统“｝，｛”key“：”10651_CR294“，”非结构化“：”Zhu T，Li L，Yang J，Zhao S，Liu H，Qian J（2022）图像-文本交互网络的多模式情感分析。IEEE多媒体交易，1\u201310“｝，｛”key“：”10651_CR295“，”doi asserted by“：”crossref“，”非结构化“：”Zouzou A，El\u00a0Azami I（2021）使用手套，使用cnn&gru模型进行文本情感分析。收录于：2021年第五届数据科学智能计算国际会议（ICDS），第1\u20135页。IEEE“，“DOI”：“10.1109\/ICDS53782.2021.9626715”}，{“key”：“10651_CR296”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zucco C，Calabrese B，Cannataro M（2019）《情感挖掘：从单峰到多峰方法》。摘自：脑力计算国际研讨会，第143\u2013158页。Springer“，”DOI“：”10.1007\/978-3-030-82427-3_11“}，{”key“：”10651_CR297“，”DOI-asserted-by“：”crossref“，”first page“：“989”，“DOI”：“10.1007\/s10994-021-05968-x”，“volume”：“110”，“author”：“B\u0160krlj”，“year”：“2021”，“unstructured”：“\u0160 krlj B，Martinc M，Lavra\u010d N，Pollak S（2021）autobot：进化神经符号表示法，用于可解释的低资源文本分类。Mach Learn 110:989\u20131028“，”journal-title“：”Mach Learning“}]，”container-title”：[“人工智能评论”]，”original-title:[]，“language”：“en”，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/s10462-023-10651-9.pdf”，“content-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s10462-023-10651-9\/fulltext.html“，”content-type“：”text\/html“，”内容-版本“：”vor“，”intended-application“：”文本-分钟“}，{”URL“：”https:\//link.springer-com/content\/pdf\/10.10007\/s10462/023-10651-9.pdf““：”相似性检查“}”，“存放”：{“日期-部分”：[[2024,3,8]]，“日期-时间”：“2024-03-08T21:39:47Z”，“时间戳”：1709933987000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\/\/link.springer.com\/10.10007\/s10462-023-10651-9”}，“references-count”：297，“journal-issue”：{“issue”：“3”，“在线发布”：｛“日期部分”：[[2024,3]]｝｝，“替代id”：[“10651”]，“URL”：“http:\/\/dx.doi.org/10.1007\\s10462-023-10651-9”，“关系”：｛｝，“ISSN”：[“1573-7462”]，“ISSN类型”：[｛“值”：“1573-7462”，“类型”：“电子”｝]，“主题”：[]，“已发布”：｛“日期部分”：[[2024,3,5]]｝，“断言”：[｛“值”：“2024年3月5日”，“订单”：1，“名称”：“first_online”，“标签“：”First Online“，”group“：{”name“：”ArticleHistory“，”label“：”Article History”}}]，”Article-number“：”62“}}