發(fā)布時間：2018-04-05 23:31

  本文選題：降噪自動編碼器　切入點(diǎn)：微博　出處：《計算機(jī)應(yīng)用研究》2017年02期

【摘要】：隨著自然語言處理科學(xué)的迅猛發(fā)展,情感分析作為其重要的一個分支廣泛應(yīng)用于社交網(wǎng)絡(luò)平臺上,尤其是微博由于其傳播廣泛且蘊(yùn)涵豐富的情感信息而備受學(xué)者青睞。為解析微博中表達(dá)的情感信息以及深入挖掘其蘊(yùn)涵的潛在感情,在降噪自動編碼器的深度模型之上研究探索改進(jìn)了這個深度學(xué)習(xí)模型。降噪自動編碼器的工作特點(diǎn)是在引入噪聲的干擾之下實(shí)現(xiàn)對原始輸入的還原,而其改進(jìn)模型的優(yōu)勢在于考慮到了噪聲的多樣性和復(fù)雜性,并通過深度學(xué)習(xí)訓(xùn)練加強(qiáng)模型的原始特征復(fù)原能力,以此來克服不可預(yù)判的原始輸入噪聲。通過分別使用SVM、降噪自動編碼器模型以及改進(jìn)的模型進(jìn)行情感分析實(shí)驗(yàn),對比分類效果而得出改進(jìn)的深度模型對微博文字情感把握更準(zhǔn)確而且抗干擾能力及魯棒性有所提升的結(jié)論。
[Abstract]:With the rapid development of natural language processing science, emotion analysis, as an important branch of natural language processing, is widely used in social network platform, especially Weibo is favored by scholars because of its wide spread and rich emotional information.In order to analyze the emotional information expressed in Weibo and dig out the potential emotion, the depth learning model is improved based on the depth model of the noise reduction automatic encoder.The working characteristic of the noise reduction automatic encoder is to restore the original input under the interference of the noise. The advantage of the improved model is that the diversity and complexity of the noise are taken into account.In order to overcome the unpredictably original input noise, the restoration ability of the original features of the model is enhanced through in-depth learning training.By using SVM, the noise reduction automatic encoder model and the improved model to carry on the emotion analysis experiment,By comparing the classification effect, the conclusion that the improved depth model is more accurate and the anti-interference ability and robustness is improved.
【作者單位】： 南京工業(yè)大學(xué)電氣工程與控制科學(xué)學(xué)院;
【分類號】：TP391.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 曲建嶺;杜辰飛;邸亞洲;高峰;郭超然;;深度自動編碼器的研究與展望[J];計算機(jī)與現(xiàn)代化;2014年08期

2 秦勝君;盧志平;;基于降噪自動編碼器的不平衡情感分類研究[J];科學(xué)技術(shù)與工程;2014年12期

3 段寶彬;韓立新;;改進(jìn)的深度卷積網(wǎng)絡(luò)及在碎紙片拼接中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2014年09期

4 ;[J];;年期

相關(guān)碩士學(xué)位論文 前7條

1 梁湘群;基于Gabor特征與深度自動編碼器的笑臉識別方法[D];五邑大學(xué);2015年

2 吳海燕;基于自動編碼器的半監(jiān)督表示學(xué)習(xí)與分類學(xué)習(xí)研究[D];重慶大學(xué);2015年

3 林雨;極限學(xué)習(xí)機(jī)與自動編碼器的融合算法研究[D];吉林大學(xué);2016年

4 龐榮;深度神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[D];西南交通大學(xué);2016年

5 李娟;基于深度學(xué)習(xí)的評價對象抽取[D];東南大學(xué);2016年

6 尹曉燕;基于深度學(xué)習(xí)的人臉識別研究[D];天津大學(xué);2014年

7 雒玉璽;稀疏自動編碼器及其加速算法的研究[D];蘭州大學(xué);2014年

，

本文編號：1717006