發(fā)布時(shí)間：2018-05-25 05:32

  本文選題：社交網(wǎng)絡(luò) + 深度信念網(wǎng)絡(luò)��； 參考：《電子與信息學(xué)報(bào)》2017年09期

【摘要】：該文提出了一種基于深度信念網(wǎng)絡(luò)(DBN)和多維擴(kuò)展特征的模型,實(shí)現(xiàn)對(duì)中文微博短文本的情感分類。為降低傳統(tǒng)文本分類方法在處理微博短文時(shí)特征稀疏的影響,引入社交關(guān)系網(wǎng)絡(luò)作為擴(kuò)展特征,依據(jù)評(píng)論者和博主之間的社交關(guān)系,提取相關(guān)評(píng)論擴(kuò)展原始微博,將擴(kuò)展后的多維特征作為深度信念網(wǎng)絡(luò)的輸入。通過疊加多層玻爾茲曼機(jī)(RBM)構(gòu)建DBN模型底層網(wǎng)絡(luò)結(jié)構(gòu),多層玻爾茲曼機(jī)可以對(duì)原始輸入抽象并獲得數(shù)據(jù)的深層語義特征。在多個(gè)RBM層上疊加一層分類玻爾茲曼機(jī)(Class RBM),實(shí)現(xiàn)最終情感分類。實(shí)驗(yàn)結(jié)果表明,通過調(diào)整模型參數(shù)和網(wǎng)絡(luò)結(jié)構(gòu),構(gòu)建的深度學(xué)習(xí)模型在情感分類中能夠獲得比SVM和NB等淺層分類系統(tǒng)更優(yōu)的結(jié)果,另外,實(shí)驗(yàn)證明使用擴(kuò)展多維特征方法可提高短文本情感分類的性能。
[Abstract]:In this paper, a model based on deep belief network (DBN) and multidimensional extended features is proposed to classify Chinese Weibo short texts. In order to reduce the influence of the traditional text classification method on the sparse feature when dealing with Weibo short text, the social relationship network is introduced as the extended feature. According to the social relationship between the reviewer and the blogger, the original Weibo is extracted. The extended multidimensional feature is used as the input of the deep belief network. The bottom structure of the DBN model is constructed by superposing the multi-layer Boltzmann machine. The multi-layer Boltzmann machine can abstract the original input and obtain the deep semantic features of the data. One layer of classification is superimposed on multiple RBM layers to realize the final emotion classification. The experimental results show that, by adjusting the model parameters and network structure, the depth learning model can obtain better results than the shallow classification systems such as SVM and NB. The experimental results show that the extended multi-dimensional feature method can improve the performance of text-based affective classification.
【作者單位】： 情感計(jì)算與先進(jìn)智能機(jī)器安徽省重點(diǎn)實(shí)驗(yàn)室;德島大學(xué)工學(xué)部;
【基金】：國家自然科學(xué)基金(61432004) 模式識(shí)別國家重點(diǎn)實(shí)驗(yàn)室開放課題(NLPR)(201407345) 安徽省自然科學(xué)基金(1508085 QF119) 中國博士后科學(xué)基金(2015M580532)~~
【分類號(hào)】：TP391.1;TP393.092

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前7條

1 葉睿;基于深度學(xué)習(xí)的人臉檢測方法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 張衛(wèi)東;深度信念網(wǎng)絡(luò)及其在手寫字體識(shí)別中的應(yīng)用[D];成都理工大學(xué);2015年

3 施維劏;門限玻爾茲曼機(jī)在人臉識(shí)別中的魯棒性研究[D];北京交通大學(xué);2015年

4 李亦錟;受限的玻爾茲曼機(jī)在背景建模和文本建模中的研究與應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2016年

5 董時(shí)靜;全局形狀與局部一致性聯(lián)合建模的顯著性檢測[D];大連理工大學(xué);2016年

6 仝少敏;基于受限玻爾茲曼機(jī)的面部運(yùn)動(dòng)識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2014年

7 李平;監(jiān)督概率主題模型研究[D];安徽工業(yè)大學(xué);2014年

，

本文編號(hào)：1932312