隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展和新冠疫情的大背景下,越來越多的人將現(xiàn)實(shí)中的生活和工作轉(zhuǎn)移到了網(wǎng)絡(luò)上。人們通過社交網(wǎng)站表達(dá)觀點(diǎn)和抒發(fā)情感,電商通過分析評(píng)論改進(jìn)營銷策略,政府通過監(jiān)控網(wǎng)絡(luò)輿情進(jìn)行收集民情和制定政策。因此,對(duì)網(wǎng)絡(luò)上的文本信息進(jìn)行情感分析具有重要的現(xiàn)實(shí)意義。而網(wǎng)絡(luò)中的文本大多是多元化、碎片化的,傳統(tǒng)模型對(duì)此類文本進(jìn)行情感分析時(shí),存在長距離語義信息挖掘不夠充分、深層次的特征提取不夠完整的問題。在模型運(yùn)行上,也存在參數(shù)量大,運(yùn)行效率不佳的問題。因此,深度挖掘文本的情感特征,捕捉長距離的語義關(guān)系,給模型減少參數(shù)量,提高模型的精確度與運(yùn)行效率具有重要研究意義。本文針對(duì)文本情感極性特征挖掘不夠充分、預(yù)訓(xùn)練語言模型運(yùn)行效率較差的問題,以網(wǎng)絡(luò)上的評(píng)論文本為研究對(duì)象,改進(jìn)預(yù)訓(xùn)練語言模型,結(jié)合注意力機(jī)制構(gòu)建神經(jīng)網(wǎng)絡(luò),進(jìn)行理論推理和實(shí)驗(yàn)測(cè)試,主要研究工作如下:(1)為了提取更長距離的語義關(guān)系,減少模型運(yùn)行時(shí)間,提高模型的并行能力,保留文本的深層次特征信息,提出了一種基于ALBERT-HACNN-TUP模型的文本情感分析方法。該模型首先使用ALBERT預(yù)訓(xùn)練語言模型提取更長距離的語義信息;其次改進(jìn)CNN的卷...

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于情感詞典的方法
        1.2.2 基于傳統(tǒng)機(jī)器學(xué)習(xí)的方法
        1.2.3 基于深度學(xué)習(xí)的情感方法
    1.3 論文的主要研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)與安排
第2章 相關(guān)理論知識(shí)
    2.1 本章引言
    2.2 文本詞向量化
        2.2.1 獨(dú)熱編碼
        2.2.2 Word2Vec模型
        2.2.3 BERT模型
    2.3 深度學(xué)習(xí)技術(shù)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.3.3 注意力機(jī)制
        2.3.4 Transformer
    2.4 本章小結(jié)
第3章 基于ALBERT-HACNN-TUP模型的文本情感分析
    3.1 本章引言
    3.2 ALBERT模型
    3.3 ALBERT-HACNN-TUP模型結(jié)構(gòu)
        3.3.1 HACNN模型
        3.3.2 TUP池化層
    3.4 實(shí)驗(yàn)與分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)
        3.4.2 參數(shù)設(shè)置
        3.4.3 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第4章 基于MLBERT-ALSTM模型的文本情感分析
    4.1 本章引言
    4.2 MLBERT-ALSTM模型結(jié)構(gòu)
        4.2.1 MLBERT模型
        4.2.2 ALSTM模型
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)
        4.3.2 實(shí)驗(yàn)環(huán)境和參數(shù)設(shè)置
        4.3.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間所取得的成果目錄
附錄B 攻讀碩士學(xué)位期間參與的科研項(xiàng)目



本文編號(hào)：3815255