移動互聯(lián)網(wǎng)的升級換代和移動智能終端的快速普及,促進了人類生活的網(wǎng)絡(luò)化,導(dǎo)致了大量用戶評論信息的生成。通過對用戶評論信息的分析,了解用戶的情緒,對于商家了解市場走向、改善商品質(zhì)量等有著巨大幫助。因此大量的研究者對文本情緒分析任務(wù)展開了研究,并取得了很多的成果。而在這些研究中,文本情緒分析其本質(zhì)上是對文本信息的挖掘,這其中又以CNN（Convolutional Neural Network）模型和LSTM（Long Short Term Memory）模型最具代表,CNN擅長提取文本局部特征,LSTM擅長提取文本上下文語義特征,研究者們多使用兩種模型相結(jié)合來充分提取文本特征（LSTM-CNN模型）。但該模型具有資源消耗嚴重、模型訓(xùn)練耗時嚴重的問題。論文在此基礎(chǔ)上提出APDCNN（Attention Parallel Double Convolutional Neural Network）模型,并在此模型的基礎(chǔ)上借用矩陣分解的思想構(gòu)建情緒預(yù)測系統(tǒng)。APDCNN模型主要由兩個部分組成,1D-CNN（1Dimension Convolutional Neural Network）和2D-CNN（... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

CNN模型整體結(jié)構(gòu)圖

華中科技大學(xué)碩士學(xué)位論文11圖2-2傳統(tǒng)CNN卷積層結(jié)構(gòu)圖由于卷積核的高度與詞向量的維度是一致的，也就是說滑動窗口的移動對于詞來說是一維的，因此Kim等人認為該卷積操作是一維的。但實際上針對整個數(shù)字矩陣來說，這個卷積操作是二維的，這一點通過Kim等人提供的開源代碼也可以得到證實，如圖2-3所示：圖2-3傳統(tǒng)CNN卷積層開源代碼圖從圖2-3可以看到，卷積層使用的是conv2d這一庫函數(shù)，該函數(shù)代表的就是二維卷積操作。對于卷積層來說，卷積操作實質(zhì)上是原始矩陣元素與卷積核的加權(quán)求和，具體的計算如圖2-4所示：

華中科技大學(xué)碩士學(xué)位論文11圖2-2傳統(tǒng)CNN卷積層結(jié)構(gòu)圖由于卷積核的高度與詞向量的維度是一致的，也就是說滑動窗口的移動對于詞來說是一維的，因此Kim等人認為該卷積操作是一維的。但實際上針對整個數(shù)字矩陣來說，這個卷積操作是二維的，這一點通過Kim等人提供的開源代碼也可以得到證實，如圖2-3所示：圖2-3傳統(tǒng)CNN卷積層開源代碼圖從圖2-3可以看到，卷積層使用的是conv2d這一庫函數(shù)，該函數(shù)代表的就是二維卷積操作。對于卷積層來說，卷積操作實質(zhì)上是原始矩陣元素與卷積核的加權(quán)求和，具體的計算如圖2-4所示：

【參考文獻】：
期刊論文
[1]融合位置權(quán)重的基于注意力交叉注意力的長短期記憶方面情感分析模型[J]. 武婷,曹春萍.  計算機應(yīng)用. 2019(08)
[2]文本情感分析方法研究綜述[J]. 洪巍,李敏.  計算機工程與科學(xué). 2019(04)
[3]基于并行混合神經(jīng)網(wǎng)絡(luò)模型的短文本情感分析[J]. 陳潔,邵志清,張歡歡,費佳慧.  計算機應(yīng)用. 2019(08)
[4]融合情感與語義信息的情感分析方法[J]. 孟仕林,趙蘊龍,關(guān)東海,翟象平.  計算機應(yīng)用. 2019(07)
[5]基于多注意力卷積神經(jīng)網(wǎng)絡(luò)的特定目標情感分析[J]. 梁斌,劉全,徐進,周倩,章鵬.  計算機研究與發(fā)展. 2017(08)
[6]一種基于聯(lián)合深度神經(jīng)網(wǎng)絡(luò)的食品安全信息情感分類模型[J]. 劉金碩,張智.  計算機科學(xué). 2016(12)
[7]基于雙語詞典的微博多類情感分析方法[J]. 栗雨晴,禮欣,韓煦,宋丹丹,廖樂健.  電子學(xué)報. 2016(09)
[8]基于CNN模型的高分辨率遙感圖像目標識別[J]. 曲景影,孫顯,高鑫.  國外電子測量技術(shù). 2016(08)
[9]一種基于動態(tài)詞典和三支決策的情感分析方法[J]. 周哲,商琳.  山東大學(xué)學(xué)報(工學(xué)版). 2015(01)
[10]基于詞典與機器學(xué)習(xí)的中文微博情感分析研究[J]. 孫建旺,呂學(xué)強,張雷瀚.  計算機應(yīng)用與軟件. 2014(07)



本文編號：3135549