隨著社會(huì)媒體的快速發(fā)展,微博在社交媒體中占據(jù)了很大分量,大部分微博表達(dá)了網(wǎng)民對(duì)某個(gè)事件、某個(gè)人或某產(chǎn)品的情感傾向性。利用情感分析技術(shù)幫助分析文本的情感,可以更好的快速整理和分析這些信息,從而獲取輿論傾向性。為了能夠更好地研究文本情感分析,構(gòu)建一個(gè)高質(zhì)量的情感詞典是一個(gè)關(guān)鍵的環(huán)節(jié),一個(gè)高質(zhì)量的情感詞典可以有效地幫助提高情感分析的質(zhì)量。本文提出了構(gòu)建動(dòng)態(tài)情感詞典的方法,在構(gòu)建的情感詞典基礎(chǔ)上進(jìn)行情感分析,通過(guò)循環(huán)神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制來(lái)進(jìn)行文本情感打分,根據(jù)文本情感分值判別文本情感極性及極性強(qiáng)弱。主要研究?jī)?nèi)容包括:（1）構(gòu)建動(dòng)態(tài)情感詞典。首先改進(jìn)CBOW模型為ECBOW模型,在原CBOW模型下增添部分網(wǎng)絡(luò)結(jié)構(gòu)得到情感特征,然后根據(jù)一個(gè)哈夫曼語(yǔ)義二叉樹(shù)來(lái)描述語(yǔ)義依存關(guān)系,利用雙向LSTM神經(jīng)網(wǎng)絡(luò)對(duì)每個(gè)詞的二叉語(yǔ)義依存路徑信息進(jìn)行特征學(xué)習(xí),得到二叉語(yǔ)義路徑特征,最后加上詞匯到中心詞的距離特征以及中心詞信息特征作為詞匯的總體特征輸入到biLSTM神經(jīng)網(wǎng)絡(luò)中,進(jìn)行有監(jiān)督的biLSTM神經(jīng)網(wǎng)絡(luò)訓(xùn)練來(lái)得到動(dòng)態(tài)情感詞典。（2）文本情感分類。利用biGRU作為深度網(wǎng)絡(luò)分析基礎(chǔ),本文提出了基于語(yǔ)義注意力機(jī)制的... 

【文章來(lái)源】：鄭州大學(xué)河南省 211工程院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

文本情感打分模型圖

圖 2.1 單個(gè)神經(jīng)元結(jié)構(gòu)圖由許多神經(jīng)元組成的，天然具備存儲(chǔ)經(jīng)驗(yàn)先介紹單個(gè)神經(jīng)元知識(shí)。神經(jīng)元（如圖 2單元，具有三個(gè)基本元素：（1）突觸，每入信號(hào)jx 乘于突出權(quán)值kjw 得到的值輸入到kjw 與輸入信號(hào)jx 的乘積的和。這個(gè)操作構(gòu)，用來(lái)把神經(jīng)元輸出的信號(hào)限制在一定的范id 函數(shù)和 tanh 函數(shù)。一個(gè) s 形狀的，是一個(gè)遞增函數(shù)，在線性和公式（2.1）所示。1exp()1()avv id 函數(shù)的傾斜參數(shù)，其取值為 0 到 1 的連

2 相關(guān)基礎(chǔ)理論及背景知識(shí)為 tanh 函數(shù)，也被稱作雙曲正切函數(shù)-1,1]，tanh 在特征相差明顯時(shí)的效果很征，與 sigmoid 函數(shù)不同的是，其均值好。zzzzeeeez tanh( ) 神經(jīng)元連接而成的，神經(jīng)網(wǎng)絡(luò)主要分層前饋網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遞歸神中，神經(jīng)元以層的形式組織。最簡(jiǎn)單從源節(jié)點(diǎn)輸入層直接到神經(jīng)元輸出層

【參考文獻(xiàn)】：
期刊論文
[1]基于雙向LSTM的動(dòng)態(tài)情感詞典構(gòu)建方法研究[J]. 李永帥,王黎明,柴玉梅,劉箴.  小型微型計(jì)算機(jī)系統(tǒng). 2019(03)
[2]基于注意力機(jī)制的句子排序方法[J]. 欒克鑫,杜新凱,孫承杰,劉秉權(quán),王曉龍.  中文信息學(xué)報(bào). 2018(01)
[3]基于雙向LSTM網(wǎng)絡(luò)的不確定和否定作用范圍識(shí)別[J]. 錢(qián)忠,李培峰,周國(guó)棟,朱巧明.  軟件學(xué)報(bào). 2018(08)
[4]一種用于基于方面情感分析的深度分層網(wǎng)絡(luò)模型[J]. 劉全,梁斌,徐進(jìn),周倩.  計(jì)算機(jī)學(xué)報(bào). 2018(12)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)和注意力模型的文本情感分析[J]. 馮興杰,張志偉,史金釧.  計(jì)算機(jī)應(yīng)用研究. 2018(05)
[6]大規(guī)模情感詞典的構(gòu)建及其在情感分類中的應(yīng)用[J]. 趙妍妍,秦兵,石秋慧,劉挺.  中文信息學(xué)報(bào). 2017(02)
[7]用于微博情感分析的一種情感語(yǔ)義增強(qiáng)的深度學(xué)習(xí)模型[J]. 何炎祥,孫松濤,牛菲菲,李飛.  計(jì)算機(jī)學(xué)報(bào). 2017(04)
[8]產(chǎn)品評(píng)論中領(lǐng)域情感詞典的構(gòu)建[J]. 郗亞輝.  中文信息學(xué)報(bào). 2016(05)
[9]情感詞典自動(dòng)構(gòu)建方法綜述[J]. 王科,夏睿.  自動(dòng)化學(xué)報(bào). 2016(04)
[10]領(lǐng)域相關(guān)的漢語(yǔ)情感詞典擴(kuò)展[J]. 宋佳穎,賀宇,付國(guó)宏.  中文信息學(xué)報(bào). 2015(06)



本文編號(hào)：3067372