文本情感分析技術(shù)作為自然語(yǔ)言處理中的一個(gè)研究方向,近幾年取得了重大的進(jìn)展,已經(jīng)具備了大量成熟的理論基礎(chǔ)和可用算法。本文研究的跨領(lǐng)域的文本情感分析是一個(gè)基于傳統(tǒng)文本情感分析技術(shù)的更高層次的任務(wù)。當(dāng)我們?cè)诰W(wǎng)上尋找到數(shù)量龐大的文本數(shù)據(jù)時(shí),這些數(shù)據(jù)往往是無(wú)標(biāo)記的,我們很難在無(wú)監(jiān)督環(huán)境下訓(xùn)練分類器用于對(duì)文本進(jìn)行情感分析,因此,我們希望從另一個(gè)標(biāo)簽充足的數(shù)據(jù)集中進(jìn)行知識(shí)遷移,幫助提升分類器在目標(biāo)領(lǐng)域的模型性能。和傳統(tǒng)的半監(jiān)督任務(wù)的獨(dú)立同分布假設(shè)有所不同,我們的兩個(gè)領(lǐng)域之間往往存在分布差異,我們將其稱為領(lǐng)域漂移。本文的主要研究?jī)?nèi)容如下:首先,對(duì)于修正領(lǐng)域漂移方面,本文研究了一種并行的集成自適應(yīng)網(wǎng)絡(luò)。我們首先將基于最大均值差異的領(lǐng)域散度的兩種誤差上界進(jìn)行合并,構(gòu)造了一個(gè)更大的誤差上界,我們希望通過(guò)放大誤差上界來(lái)獲得更好的自適應(yīng)效果。同時(shí),我們提出了一種新的度量,我們將它稱作”平均不確定性”。平均不確定性通過(guò)條件熵定義,可以用于衡量一個(gè)無(wú)監(jiān)督訓(xùn)練過(guò)程中當(dāng)前系統(tǒng)的穩(wěn)定程度,我們發(fā)現(xiàn)正確率和平均不確定性基本上成反比關(guān)系。其次,我們?cè)陬I(lǐng)域自適應(yīng)的研究上提出了注意力雙向LSTM的并行網(wǎng)絡(luò)模型用于跨領(lǐng)域情感分析任... 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 課題來(lái)源
    1.2 研究背景及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 本文研究工作
    1.5 論文組織結(jié)構(gòu)
2 基礎(chǔ)理論
    2.1 詞嵌入
    2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.3 LSTM網(wǎng)絡(luò)
    2.4 最大均值差異
    2.5 本章小結(jié)
3 低成本無(wú)監(jiān)督超參數(shù)搜索的集成自適應(yīng)網(wǎng)絡(luò)
    3.1 領(lǐng)域漂移理論上界
    3.2 集成自適應(yīng)網(wǎng)絡(luò)
    3.3 實(shí)驗(yàn)
    3.4 本章小結(jié)
4 注意力雙向LSTM的跨領(lǐng)域文本情感分析
    4.1 雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)
    4.2 注意力機(jī)制
    4.3 注意力雙向LSTM的跨領(lǐng)域文本情感分析
    4.4 實(shí)驗(yàn)
    4.5 本章小結(jié)
5 基于領(lǐng)域適應(yīng)的跨領(lǐng)域情感分析原型系統(tǒng)
    5.1 系統(tǒng)需求分析
    5.2 系統(tǒng)總體設(shè)計(jì)
    5.3 系統(tǒng)詳細(xì)設(shè)計(jì)
    5.4 系統(tǒng)功能測(cè)試
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡(jiǎn)介
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3027024