隨著社交媒體平臺的快速發(fā)展,網(wǎng)絡用戶得以隨時瀏覽新聞報道,并發(fā)表和交流自己的觀點與情感。因此,文本情感分析吸引了世界范圍內(nèi)的研究關(guān)注。但文本情感分析通常只對文本做出正負面極性分析,缺乏對文本針對特定主題的立場傾向分析能力,而且這恰恰是大量實際應用中用戶真正關(guān)注的內(nèi)容。因此,社交媒體文本立場分析研究具有巨大的科學價值與商業(yè)價值。文本立場分析目的是分析并判斷文本包含的針對特定話題所持有的立場,即支持、反對以及中立。現(xiàn)有的研究主要包括基于機器學習的方法和基于深度學習的方法。基于機器學習的方法通常依賴于人工特征構(gòu)造和篩選,但構(gòu)造特征的過程往往消耗大量的人力;基于深度學習的方法通過端到端的構(gòu)造過程避免了繁瑣的特征工程,但往往缺乏對文本交互過程的深層建模能力。此外,受到數(shù)據(jù)集規(guī)模偏小的影響,單一模型的學習能力往往存在一定的限制。為此,本文研究結(jié)合注意力機制和多任務對抗學習的文本立場分析方法。為學習交互文本中立場相關(guān)的深層語義表示,本文首先研究基于雙向長短時記憶網(wǎng)絡的文本立場分析方法。在此基礎上,進一步引入了注意力機制和匹配（Match）機制以解決文本之間長度差距過大的問題,并突出關(guān)鍵匹配對立場分析... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

模型整體架構(gòu)

【參考文獻】：
期刊論文
[1]基于對抗學習的諷刺識別研究[J]. 張慶林,杜嘉晨,徐睿峰.  北京大學學報(自然科學版). 2019(01)
[2]面向事件抽取的深度與主動聯(lián)合學習方法[J]. 邱盈盈,洪宇,周文瑄,姚建民,朱巧明.  中文信息學報. 2018(06)
[3]基于語義的中文事件觸發(fā)詞抽取聯(lián)合模型[J]. 李培峰,周國棟,朱巧明.  軟件學報. 2016(02)



本文編號：3239942