隨著微博這類社交平臺不斷地壯大發(fā)展,基于微博語料的分析技術也備受學術界的關注,其中,情感分析技術更是成為其熱門研究領域。在情感分析任務中,基于語料庫上下文信息訓練的詞向量并不能很好地區(qū)分語境相同但語義不同的詞匯,這會導致“語義相反的詞,具有相似度高的詞向量”,從而降低情感分析的精度。本文主要研究中文微博的情感分析,為了緩解上述問題對情感分析任務的影響,本文重點研究了情感詞向量的優(yōu)化,提出了一種結合情感詞典的情感詞向量優(yōu)化模型。此外,情感詞典是自然語言處理領域至關重要的研究工具,對它構建的研究有著重要的意義。本文由于需要使用帶情感強度標注的情感詞典,所以對其構建方法進行了研究,提出了一種融合SO-PMI算法、HowNet詞匯相似度和詞向量相似度的情感詞典構建方法,并將其運用到本文提出的情感詞向量優(yōu)化模型中。本文所做的主要工作如下:（1）考慮到本文需要用到有情感強度等級標注的情感詞典,我們在現有的研究基礎上,提出了一種情感詞典構建方法。該方法融合了SO-PMI算法、HowNet詞匯相似度和詞向量相似度,彌補了以上方法的缺點,能半監(jiān)督地構建帶有情感強度等級劃分的情感詞典。通過實驗證明,我們的... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：71 頁

【學位級別】：碩士

【部分圖文】：

卷積神經網絡模型

長短期記憶網絡模型

LSTM網絡單元圖

【參考文獻】：
期刊論文
[1]基于Good-Turing平滑SO-PMI算法構建微博情感詞典方法的研究[J]. 姜伶伶,何中市,張航.  現代計算機(專業(yè)版). 2018(10)
[2]基于平滑SO-PMI算法的微博情感詞典構建方法研究[J]. 杜銳,朱艷輝,田海龍,劉璟,馬進.  湖南工業(yè)大學學報. 2015(05)
[3]基于詞向量的情感新詞發(fā)現方法[J]. 楊陽,劉龍飛,魏現輝,林鴻飛.  山東大學學報(理學版). 2014(11)
[4]結合依存關聯分析和規(guī)則統(tǒng)計分析的情感詞庫構建方法[J]. 李勇敢,周學廣,孫艷,張煥國.  武漢大學學報(理學版). 2013(05)
[5]基于HowNet和PMI的詞語情感極性計算[J]. 王振宇,吳澤衡,胡方濤.  計算機工程. 2012(15)
[6]基于情感詞典擴展技術的網絡輿情傾向性分析[J]. 楊超,馮時,王大玲,楊楠,于戈.  小型微型計算機系統(tǒng). 2010(04)
[7]知網的理論發(fā)現[J]. 董振東,董強,郝長伶.  中文信息學報. 2007(04)
[8]情感詞匯本體的構造[J]. 徐琳宏,林鴻飛,潘宇,任惠,陳建美.  情報學報. 2008 (02)



本文編號：3141581