中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共5条，第1-5条 帮助

限定条件    
已选(0)清除 条数/页：   排序方式：
eMood: Modeling Emotion for Social Media Analytics on Ebola Disease Outbreak 会议论文
the 2015 International Conference on Information Systems (ICIS 2015), Fort Worth, Texas, USA, 2015-12-13 ~ 2015-12-16
作者:  Chung, Wingyan;  He, Saike;  Zeng, Daniel
浏览  |  Adobe PDF(867Kb)  |  收藏  |  浏览/下载：281/66  |  提交时间：2016/04/03
Social Media Analytics  Sentiment Analysis  Social Network Analysis  Emotion Extraction  Influence Measure  Social Intelligence  Public Health Informatics  Ebola Disease Outbreak  
Emotion Extraction and Entrainment in Social Media: The Case of U.S. Immigration and Border Security 会议论文
2015 IEEE International Conference on Intelligence and Security Informatics (ISI), Baltimore, MD, USA, 2015-5-27 ~ 2015-5-29
作者:  Chung, Wingyan;  He, Saike;  Zeng, Daniel;  Benjamin, Victor
浏览  |  Adobe PDF(3646Kb)  |  收藏  |  浏览/下载：277/34  |  提交时间：2016/04/03
Emotion  Social Media Analytics  Text Mining  Social Network Analysis  Entrainment  Influence  U.s. Immigration Policy  Border Security  
Modeling Emotion Entrainment of Online Users in Emergency Events 会议论文
2015 IEEE International Conference on Intelligence and Security Informatics (ISI), Baltimore, MD, USA, 2015-5-27 ~ 2015-5-29
作者:  He, Saike;  Zheng, Xiaolong;  Zeng, Daniel;  Xu, Bo;  Li, Changliang;  Tian, Guanhua;  Hao, Hongwei
浏览  |  Adobe PDF(440Kb)  |  收藏  |  浏览/下载：374/92  |  提交时间：2016/04/03
Emotion Entrainment  Dynamic Model  Social Influence  
社会媒体中的情感趋同现象建模与分析 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2015
作者:  何赛克
Adobe PDF(5407Kb)  |  收藏  |  浏览/下载：429/1  |  提交时间：2015/09/02
情感趋同  社会媒体  普适性  因子图模型  多模态  结构学习  Emotion Entrainment  Social Media  Model-free  Factor Graph Model  Multi-modality  Structural Learning  
Parallel Recursive Deep Model for Sentiment Analysis 会议论文
Advances in Knowledge Discovery and Data Mining, Ho Chi Minh, 2015-5-19 ~ 2015-5-22
作者:  Li, Changliang;  Xu, Bo;  Wu, Gaowei;  He, Saike;  Tian, Guanhua;  Zhou, Yujun
收藏  |  浏览/下载：85/0  |  提交时间：2020/10/27
Sentiment Analysis  Prdm  Sentiment-rnn