近年來,隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,各種社交平臺以及電商平臺的數(shù)量急劇增加,用戶在互聯(lián)網(wǎng)上發(fā)表意見、表達自己的情感已經(jīng)成為了人們生活中的經(jīng)常性行為。利用自然語言技術(shù)對互聯(lián)網(wǎng)中用戶發(fā)表的各種文本進行分析并從中挖掘出所包含的情感傾向是掌握社會現(xiàn)狀及事件動態(tài)和獲取商家售后信息的重要途徑。因此研究文本情感分析方法具有重要的商業(yè)價值和社會意義。目前已有的傳統(tǒng)的文本情感分析研究方法還存在許多不足:現(xiàn)存的情感詞典完備度較低,每個領(lǐng)域所擁有的情感詞不同,通用情感詞典難以達到理想的效果;傳統(tǒng)的詞向量技術(shù)根據(jù)上下文學(xué)習(xí)獲得,包含了語義語法信息,但是缺乏了情感信息,不能很好的解決情感分析任務(wù)。針對以上問題,本文利用構(gòu)建的領(lǐng)域情感詞典將情感信息融入到詞向量中結(jié)合卷積神經(jīng)網(wǎng)絡(luò)思想對在線評論文本情感分析進行研究。本文涉及的主要工作有以下幾個方面:（1）針對現(xiàn)有的情感詞典完備性以及領(lǐng)域適應(yīng)性較差的問題,整合現(xiàn)有情感詞典,同時利用改進的SO-PMI算法以及手機評論語料庫構(gòu)建一個手機評論領(lǐng)域的領(lǐng)域情感詞典。（2）針對傳統(tǒng)詞向量的學(xué)習(xí)是通過訓(xùn)練學(xué)習(xí)語言模型而得到的產(chǎn)物,詞的分布式表達中僅包含了語義和語法信息,缺乏了情感信息... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

部分手機用戶正面評論

圖 4.6 部分手機用戶負面評論本文使用 Python 語言來進行實驗，其中運用到 Numpy、jieba、gensim、sklearn等類庫。Numpy 支持大量的維度數(shù)組與矩陣運算。Jieba 是一款很好用的中文文本分詞工具。gensim 用于從文檔中自動提取語義主題，sklearn 對常用的機器學(xué)習(xí)方法進行了封裝。

【參考文獻】：
期刊論文
[1]基于情感詞典方法的情感傾向性分析[J]. 楊奎,段瓊瑾.  計算機時代. 2017(03)
[2]基于SVM多特征融合的微博情感多級分類研究[J]. 楊爽,陳芬.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2017(02)
[3]分段卷積神經(jīng)網(wǎng)絡(luò)在文本情感分析中的應(yīng)用[J]. 杜昌順,黃磊.  計算機工程與科學(xué). 2017(01)
[4]詞匯語義表示研究綜述[J]. 袁書寒,向陽.  中文信息學(xué)報. 2016(05)
[5]基于word2vec的互聯(lián)網(wǎng)商品評論情感傾向研究[J]. 黃仁,張衛(wèi).  計算機科學(xué). 2016(S1)
[6]基于HNC語境框架和情感詞典的文本情感傾向分析[J]. 張克亮,黃金柱,曹蓉,李峰.  山東大學(xué)學(xué)報(理學(xué)版). 2016(07)
[7]基于情感詞典與語義規(guī)則的微博情感分析[J]. 陳國蘭.  情報探索. 2016(02)
[8]情感詞典自動構(gòu)建方法綜述[J]. 王科,夏睿.  自動化學(xué)報. 2016(04)
[9]基于極性轉(zhuǎn)移和LSTM遞歸網(wǎng)絡(luò)的情感分析[J]. 梁軍,柴玉梅,原慧斌,高明磊,昝紅英.  中文信息學(xué)報. 2015(05)
[10]一種新聞評論情感詞典的構(gòu)建方法[J]. 周詠梅,陽愛民,楊佳能.  計算機科學(xué). 2014(08)

碩士論文
[1]網(wǎng)絡(luò)評論文本的細粒度情感分析研究[D]. 蔡肖紅.山東師范大學(xué) 2017
[2]微博數(shù)據(jù)挖掘可視化系統(tǒng)的設(shè)計與實現(xiàn)[D]. 王婧雅.吉林大學(xué) 2017
[3]文本傾向性分析中的評價對象抽取與消歧研究[D]. 王沛.哈爾濱工業(yè)大學(xué) 2013



本文編號：3495067