本文關鍵詞：基于統(tǒng)計方法的中文短文本情感分析

  更多相關文章： 自然語言處理 情感分析 情感詞典 支持向量機 卷積神經網絡

【摘要】：近些年來,文本的情感分析作為自然語言處理領域中一項重要的研究問題受到了廣泛的關注。隨著互聯網的飛速發(fā)展,情感分析技術在輿情監(jiān)控、事件預測等領域發(fā)揮著越來越重要的作用。本文針對中文短文本,以商品評論文本為例,設計了基于統(tǒng)計方法的情感分析方法。本文分別使用支持向量機和卷積神經網絡作為分類器,結合擴充后的情感詞典改進了文本的表示模型,進一步提高了情感分析的準確率。本文最后將兩種機器學習方法進行了對比,分別說明了各自的優(yōu)勢。本文的主要工作和研究內容如下:第一,情感詞典是情感分析的基礎,本文設計了一種擴充情感詞典的方法。該方法主要有以下幾個步驟:從互聯網抓取大量文本數據、對文本數據進行新詞發(fā)現和分詞操作、訓練word2vec詞向量模型、利用詞向量模型得到已有情感詞語的相關詞、利用《同義詞詞林(擴展版)》進行進一步篩選。情感詞典的詞匯量在擴充后有了較大的提高。第二,使用支持向量機對文本進行了情感分析。采用向量空間模型將文本轉化為向量的形式,并且使用擴充后的情感詞典對向量的部分特征權重進行改進,使用支持向量機對文本向量進行分類,實驗結果證明了改進的有效性。第三,使用卷積神經網絡對文本進行了情感分析。采用word2vec詞向量模型將文本轉化為矩陣的形式,并且根據擴充后的情感詞典向文本矩陣添加情感信息維,使用卷積神經網絡對文本矩陣進行預測,實驗結果證明了改進方案在一定程度上的有效性。最后對比了支持向量機和卷積神經網絡兩種模型,分別說明了各自的優(yōu)勢。
【關鍵詞】：自然語言處理 情感分析 情感詞典 支持向量機 卷積神經網絡
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.1
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 本文的研究背景和意義10-11
• 1.2 國內外研究現狀11-14
• 1.2.1 基于統(tǒng)計方法的研究現狀12-13
• 1.2.2 基于規(guī)則和語義方法的研究現狀13-14
• 1.3 主要研究內容和創(chuàng)新點14-15
• 1.4 論文結構及安排15-16
• 第2章 文本情感分析關鍵技術16-23
• 2.1 情感分析概念與分類16-17
• 2.1.1 基本概念16
• 2.1.2 分類16-17
• 2.2 分詞和新詞發(fā)現技術17-18
• 2.3 文本的向量空間模型18-19
• 2.4 文本分類19-22
• 2.4.1 基于淺層學習的文本分類20-21
• 2.4.2 基于深度學習的文本文類21-22
• 2.5 本章小結22-23
• 第3章 情感詞典的擴充23-36
• 3.1 情感詞典23-24
• 3.2 詞典擴充工具介紹24-27
• 3.2.1Word2vec介紹24-25
• 3.2.2 同義詞擴展工具25-26
• 3.2.3 語義相似度計算26-27
• 3.3 情感詞典擴充流程27-34
• 3.3.1 數據抓取27-28
• 3.3.2 新詞發(fā)現和分詞28-32
• 3.3.3 訓練詞向量模型32
• 3.3.4 獲得情感詞的相關詞語32-33
• 3.3.5 同義詞篩選33-34
• 3.4 本章小結34-36
• 第4章 基于支持向量機的情感分析36-50
• 4.1 構建特征詞表36-41
• 4.1.1 文本預處理36-39
• 4.1.2 特征選擇39-41
• 4.2 文本的向量表示41-45
• 4.2.1 特征權重的計算41-44
• 4.2.2 引入情感加強因子44-45
• 4.3 分類模型的訓練45
• 4.4 實驗及結果分析45-49
• 4.4.1 評價指標45-46
• 4.4.2 實驗數據46
• 4.4.3 實驗及分析46-49
• 4.5 本章小結49-50
• 第5章 基于卷積神經網絡的情感分析50-68
• 5.1 人工神經網絡50-54
• 5.1.1 神經元50-51
• 5.1.2 神經網絡51-53
• 5.1.3 多層感知機53-54
• 5.2 卷積神經網絡54-55
• 5.2.1 局部連接54-55
• 5.2.2 權值共享55
• 5.3 情感分析具體過程55-62
• 5.3.1 評論文本的表示57-58
• 5.3.2 引入情感信息維58
• 5.3.3 卷積神經網絡構建58-62
• 5.4 實驗及分析62-66
• 5.4.1 評價指標62
• 5.4.2 實驗數據62
• 5.4.3 實驗及分析62-65
• 5.4.4 深度學習與淺層學習的實驗結果對比65-66
• 5.5 本章小結66-68
• 結論68-69
• 參考文獻69-74
• 攻讀學位期間發(fā)表論文與研究成果清單74-75
• 致謝75

【相似文獻】

中國期刊全文數據庫 前10條

1 云中客;新的神經網絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經網絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

3 李智;一種基于神經網絡的煤炭調運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經網絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經網絡推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經網絡[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經網絡及其應用研究[J];微計算機信息;2005年14期

8 袁婷;;神經網絡在股票市場預測中的應用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經網絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經網絡的過去、現在和將來[J];青年探索;2006年04期

中國重要會議論文全文數據庫 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數據庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數據庫 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數據庫 前10條

1 章穎;混合不確定性模塊化神經網絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經網絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經網絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經網絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經網絡的上證指數預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經網絡血壓預測研究與系統(tǒng)實現[D];華南理工大學;2015年

9 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：724621