【摘要】：隨著互聯(lián)網(wǎng)的發(fā)展,新疆的互聯(lián)網(wǎng)用戶大幅度增加,基于維吾爾語的網(wǎng)絡平臺也在不斷建立,帶有主觀感情色彩,反映態(tài)度和意見的維吾爾語評論性文本日益增多。因此,本文主要針對內(nèi)容豐富、信息量大的維吾爾語評論性文本進行研究,完成情感分析任務。現(xiàn)有的情感分析研究方法大多基于傳統(tǒng)機器學習模型或與人工提取特征結合,雖然在一定程度上提升系統(tǒng)性能,但存在一些局限性:1)依靠人工經(jīng)驗抽取樣本的特征規(guī)則,受限于特征規(guī)則。2)傳統(tǒng)淺層機器學習,對復雜問題的泛化能力有限,無法充分表示深層次的語義信息。因此針對維吾爾語情感分析任務,本文完成了以下工作:(1)提出采用深度學習算法進行基于深層語義的維吾爾語句子級情感分析任務。根據(jù)維吾爾語語言特性,考慮詞性、情感詞、轉折連詞,否定成分等對情感傾向性的影響,從詞匯和句式兩個抽象層次共提取了8項情感特征,并引入富含豐富語義和上下文信息的詞向量表征詞匯,利用棧式自編碼算法無監(jiān)督的學習文本的深層語義特征。(2)實體指代成分準確無歧義的消解為正確分析句子級情感任務提供了前提。研究分析近年來指代消解的研究現(xiàn)狀,提出基于深度學習的維吾爾語名詞短語的指代消解方法。根據(jù)維吾爾語具體的語言特性,總結具有指稱性的五類名詞短語,提取相應的13項指稱特征。同時,提出利用詞向量空間位置關系表示語義層面上的聯(lián)系,增加特征對文本語義和句法信息的表達。(3)考慮詞序與名詞短語上下文信息對指代消解結果的影響,提出利用LSTM構建名詞短語向量,結合深度棧式自編碼實現(xiàn)多模型結合的維吾爾語名詞短語指代消解方法,通過引入雙層LSTM學習名詞短語間對應的詞匯序列和上下文信息,挖掘隱含的語義和句法關聯(lián),利用深度棧式自編碼算法的多層映射單元進一步學習深層的特征,完成基于深層語義和句法信息的維吾爾語名詞短語指代消解任務。
【圖文】：

維吾爾語句子級情感分析模型

語料預處理的操作流程圖
【學位授予單位】：新疆大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.1

【參考文獻】

相關期刊論文 前10條

1 奚雪峰;周國棟;;基于Deep Learning的代詞指代消解[J];北京大學學報(自然科學版);2014年01期

2 孔芳;周國棟;;基于樹核函數(shù)的中英文代詞消解[J];軟件學報;2012年05期

3 樊娜;安毅生;李慧賢;;基于K-近鄰算法的文本情感分析方法研究[J];計算機工程與設計;2012年03期

4 趙妍妍;秦兵;劉挺;;文本情感分析[J];軟件學報;2010年08期

5 王海東;胡乃全;孔芳;周國棟;;指代消解中語義角色特征的研究[J];中文信息學報;2009年01期

6 劉康;趙軍;;基于層疊CRFs模型的句子褒貶度分析研究[J];中文信息學報;2008年01期

7 徐軍;丁宇新;王曉龍;;使用機器學習方法進行新聞的情感自動分類[J];中文信息學報;2007年06期

8 王根;趙軍;;基于多重冗余標記CRFs的句子情感分析研究[J];中文信息學報;2007年05期

9 周俊生;黃書劍;陳家駿;曲維光;;一種基于圖劃分的無監(jiān)督漢語指代消解算法[J];中文信息學報;2007年02期

10 李國臣,羅云飛;采用優(yōu)先選擇策略的中文人稱代詞的指代消解[J];中文信息學報;2005年04期

相關博士學位論文 前1條

1 帕提古力·麥麥提;基于向心理論的維吾爾語語篇回指研究[D];中央民族大學;2010年

，

本文編號：2578265