發(fā)布時(shí)間：2024-05-22 21:21

　　隨著互聯(lián)網(wǎng)和Web2.0的日益發(fā)展,用戶生成內(nèi)容(User Generated Content,UGC)層出不窮,UGC往往包含了用戶的情感喜好和主觀意見,針對UGC的情感分析任務(wù)逐漸體現(xiàn)出巨大的學(xué)術(shù)意義和商業(yè)價(jià)值�；诖�,本文針對UGC的情感分類問題進(jìn)行了研究與實(shí)現(xiàn)。本文主要針對UGC短文本進(jìn)行情感分析研究,通過考察UGC短文本情感分析的國內(nèi)外研究現(xiàn)狀,并結(jié)合當(dāng)前機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域的前沿技術(shù),對深度學(xué)習(xí)模型的可解釋性進(jìn)行了探索,目標(biāo)是通過句子的情感分類來提取句子中詞語的情感信息,并提高UGC短文本的情感分類準(zhǔn)確率。本文所做的工作主要包含以下幾個(gè)部分:(1)本文在卷積神經(jīng)網(wǎng)絡(luò)(CNN)的基礎(chǔ)上,提出了“詞粒度CNN”情感模型,增加了詞粒度情感傾向的計(jì)算,并通過實(shí)驗(yàn)驗(yàn)證了該模型的有效性,同時(shí)對詞粒度CNN模型提取的情感詞實(shí)現(xiàn)了可視化。(2)本文分析并研究了UGC短文本的特點(diǎn),在神經(jīng)詞袋模型(NBOW)的基礎(chǔ)上,提出了基于N-gram的神經(jīng)詞袋模型(NBOWN)。同時(shí),針對引入N-gram導(dǎo)致NBOWN模型存在特征稀疏性的問題,本文提出了“Gram注意力機(jī)制”進(jìn)行了模型優(yōu)化,并根據(jù)文本...

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本課題研究工作
    1.4 論文結(jié)構(gòu)說明
第二章 相關(guān)理論基礎(chǔ)
    2.1 文本表示
    2.2 基于機(jī)器學(xué)習(xí)的分類算法
    2.3 基于深度學(xué)習(xí)的分類算法
        2.3.1 多層感知機(jī)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.3.4 LSTM網(wǎng)絡(luò)
        2.3.5 注意力機(jī)制
第三章 詞粒度CNN模型構(gòu)建和情感分析研究
    3.1 詞粒度CNN模型
        3.1.1 詞粒度CNN模型結(jié)構(gòu)
        3.1.2 詞粒度情感計(jì)算
        3.1.3 詞粒度CNN模型訓(xùn)練
    3.2 實(shí)驗(yàn)與分析
        3.2.1 數(shù)據(jù)集
        3.2.2 實(shí)驗(yàn)設(shè)置
        3.2.3 實(shí)驗(yàn)結(jié)果與分析
    3.3 本章小結(jié)
第四章 基于N-gram的NBOWN情感分析模型構(gòu)建
    4.1 NBOWN情感模型的構(gòu)建
        4.1.1 基于詞向量的NBOW模型
        4.1.2 基于N-gram的NBOWN模型
        4.1.3 Gram注意力機(jī)制
        4.1.4 NBOWN模型結(jié)構(gòu)
        4.1.5 詞粒度情感計(jì)算
        4.1.6 NBOWN模型的訓(xùn)練
    4.2 實(shí)驗(yàn)與分析
        4.2.1 數(shù)據(jù)集
        4.2.2 實(shí)驗(yàn)設(shè)置
        4.2.3 實(shí)驗(yàn)結(jié)果與分析
    4.3 本章小結(jié)
第五章 基于CNN和NBOWN的情感分析系統(tǒng)
    5.1 前端展示界面
    5.2 后臺(tái)數(shù)據(jù)處理
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 未來展望
參考文獻(xiàn)
致謝
作者攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號：3980555