發(fā)布時間：2021-03-12 22:53

　　隨著網(wǎng)絡的盛行與網(wǎng)絡技術的發(fā)展,用戶可在網(wǎng)絡中發(fā)表自己對事物的觀點,這些觀點中含有用戶想要表達的情感因素。這些含有明顯情感的評論可以直接反映用戶或網(wǎng)民對該事物的看法,隨著大數(shù)據(jù)技術的進步以及硬件設施的提高,各個平臺都會建立自己的評論板塊,這使得網(wǎng)絡平臺上的信息文本數(shù)據(jù)量呈現(xiàn)急劇增長得趨勢,如何更高效的得到文本中的有效信息,并且更加準確地發(fā)掘評論中的情感因素已成為當前工業(yè)界和學術界的迫切要求。情感分析又稱為意見挖掘、主觀因素挖掘等,通過計算機處理大量網(wǎng)絡評論,對具有情感因素的文本進行分析的過程,該研究可以有效的通過評論等信息掌握大眾對一些事物的輿論傾向。本文主要研究內容如下:（1）針對于傳統(tǒng)情感分類模型的分類效果不足以及無法準確的捕捉詞語之間關系的問題,本文提出一種基于預訓練語言模型詞向量融合的GE-Bi LSTM（Glove-ELMO-Bi LSTM）情感分析算法,先通過預訓練語言模型ELMO以語言模型為目的訓練詞向量,再與傳統(tǒng)的Glove模型的訓練結果進行運算融合,結合了全局信息以及局部上下文信息,增加了詞向量矩陣的稠密度,詞語之間的特征得到更好的表達,結合Bi LSTM神經(jīng)網(wǎng)絡可以... 

【文章來源】：河南大學河南省

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

LSTM單元細節(jié)圖

RNN構建語言模型圖

GE-BiLSTM情感分析模型流程圖

【參考文獻】：
期刊論文
[1]基于多通道雙向長短期記憶網(wǎng)絡的情感分析[J]. 李衛(wèi)疆,漆芳.  中文信息學報. 2019(12)
[2]基于關鍵詞和關鍵句抽取的用戶評論情感分析[J]. 喻影,陳珂,壽黎但,陳剛,吳曉凡.  計算機科學. 2019(10)
[3]用于基于方面情感分析的RCNN-BGRU-HN網(wǎng)絡模型[J]. 孫中鋒,王靜.  計算機科學. 2019(09)
[4]基于自動提取句法模板的情感分析[J]. 潘浩,衛(wèi)宇杰,潘爾順.  中文信息學報. 2019(09)
[5]基于BiLSTM并結合自注意力機制和句法信息的隱式篇章關系分類[J]. 凡子威,張民,李正華.  計算機科學. 2019(05)
[6]融合詞向量及BTM模型的問題分類方法[J]. 黃賢英,謝晉,龍姝言.  計算機工程與設計. 2019(02)
[7]基于BiLSTM神經(jīng)網(wǎng)絡的特征融合短文本分類算法[J]. 和志強,楊建,羅長玲.  智能計算機與應用. 2019(02)
[8]基于GloVe模型的詞向量改進方法[J]. 陳珍銳,丁治明.  計算機系統(tǒng)應用. 2019(01)
[9]融合卷積神經(jīng)網(wǎng)絡與層次化注意力網(wǎng)絡的中文文本情感傾向性分析[J]. 程艷,葉子銘,王明文,張強,張光河.  中文信息學報. 2019(01)
[10]基于深度神經(jīng)網(wǎng)絡的微博文本情感傾向性分析[J]. 鈕成明,詹國華,李志華.  計算機系統(tǒng)應用. 2018(11)



本文編號：3079126