隨著互聯(lián)網(wǎng)和智能終端的爆發(fā)式發(fā)展,巨大的社交網(wǎng)絡(luò)群體和組織產(chǎn)生了海量網(wǎng)絡(luò)信息,如何在非結(jié)構(gòu)化的網(wǎng)絡(luò)信息中捕捉分析民眾的情感走向和發(fā)展,是一項(xiàng)重要的研究課題。中文文本數(shù)據(jù)相對(duì)于英文文本數(shù)據(jù)來(lái)說(shuō)具有不同的表達(dá)形式,存在語(yǔ)法特殊性、語(yǔ)義多元、隱寓表達(dá)等諸多特點(diǎn),除此之外當(dāng)前大部分的中文文本情感分類方法屬于比較淺層的學(xué)習(xí)方法,分類結(jié)果的準(zhǔn)確性依賴于人工抽取的樣本特征,且文本表達(dá)能力有限,隨著數(shù)據(jù)量的增大和表達(dá)方式的增多,難以獲得比較高的中文文本情感分類準(zhǔn)確率。因此,結(jié)合中文文本特點(diǎn)進(jìn)一步提高中文文本情感分類的準(zhǔn)確率和性能是情感分類領(lǐng)域需要急切研究和解決的問(wèn)題。本文結(jié)合中文文本的特點(diǎn),在現(xiàn)有算法基礎(chǔ)上加以改進(jìn)與融合,展開(kāi)對(duì)中文文本情感分類算法的研究,主要研究?jī)?nèi)容如下:對(duì)于中文長(zhǎng)文本的情感分類模型,針對(duì)在傳統(tǒng)深度學(xué)習(xí)模型中只使用詞向量作為文本特征進(jìn)行文本情感分類的缺陷性和局限性,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）和雙向門限循環(huán)單元（Bidirectional Gate Recurrent Unit,BGRU）主題融合的情感分類模型,該模型... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

log(x)曲線變化圖

【參考文獻(xiàn)】：
期刊論文
[1]基于BGRU池的卷積神經(jīng)網(wǎng)絡(luò)文本分類模型[J]. 周楓,李榮雨.  計(jì)算機(jī)科學(xué). 2018(06)
[2]基于多特征融合的評(píng)論文本情感分析[J]. 龔安,費(fèi)凡.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(08)
[3]基于領(lǐng)域詞典的網(wǎng)絡(luò)商品評(píng)論情感分析[J]. 孔偉俊,胡廣朋.  計(jì)算機(jī)與數(shù)字工程. 2018(01)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化的中文情感分析[J]. 王盛玉,曾碧卿,胡翩翩.  計(jì)算機(jī)工程. 2017(08)
[5]用于文本分類的局部化雙向長(zhǎng)短時(shí)記憶[J]. 萬(wàn)圣賢,蘭艷艷,郭嘉豐,徐君,龐亮,程學(xué)旗.  中文信息學(xué)報(bào). 2017(03)
[6]基于多粒度計(jì)算和多準(zhǔn)則融合的情感分類[J]. 王丙坤,黃永峰,李星.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(05)



本文編號(hào)：3115404