文本序列是語義以至語意的抽象描述形式。任何基于自然語言的情感表達（例如電影評論和商品評論）都可抽象為某一類隨機或者似隨機性的文本序列。因而,在自然語言處理領(lǐng)域,針對文本序列的各種處理以及對蘊含于文本序列中的情感特征析取以及情感類型推斷,成為人工智能研究中的重要的、也是極具挑戰(zhàn)性的課題。本文從兩個側(cè)面開展了文本序列分析和情感語意推斷的研究。一是研究如何建立隨機文本序列的序列模型,二是研究如何通過卷積神經(jīng)網(wǎng)絡(luò)手段分析隨機文本序列的情感特征并設(shè)計新的方法。本文首先對隨機文本序列的各類基礎(chǔ)模型（例如n-gram、word2vec、CBOW等等）開展了對比性的分析,然后指出樸素貝葉斯模型、支持向量機模型和最大熵模型是適合文本序列情感具體分析與推斷研究的工作模型。然后,本文針對文本序列情感分析的卷積神經(jīng)網(wǎng)絡(luò)（Text-CNN）方法進行了較深入的研究。指出Text-CNN方法在處理文本序列上的優(yōu)點是能夠?qū)斎霕颖具M行特征提取以及降維處理,但池化層的池化操作會導(dǎo)致輸入樣本數(shù)據(jù)信息的損失,而且無法確定特征輸出的長度。為此,本文使用一種通過空間金字塔池化（SPP）的方法來力求解決上述兩個問題。此外,利用長... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀及趨勢
        1.2.1 基于詞典的方法
        1.2.2 基于機器學(xué)習(xí)的方法
        1.2.3 傳統(tǒng)機器學(xué)習(xí)在文本序列情感分析中的應(yīng)用
        1.2.4 深度學(xué)習(xí)在文本序列情感分析中的應(yīng)用
    1.3 本文的主要研究內(nèi)容
    1.4 本論文的結(jié)構(gòu)安排
第二章 文本序列分析的基礎(chǔ)方法
    2.1 基于傳統(tǒng)機器學(xué)習(xí)的文本情感分析方法
        2.1.1 樸素貝葉斯模型
        2.1.2 支持向量機模型
        2.1.3 最大熵模型
    2.2 統(tǒng)計語言模型
        2.2.1 n-gram模型
        2.2.2 word2vec模型
            2.2.2.1 霍夫曼編碼與負采樣編碼
            2.2.2.2 CBOW模型
            2.2.2.3 Skip-gram模型
    2.3 人工神經(jīng)網(wǎng)絡(luò)(ANN)
        2.3.1 人工神經(jīng)網(wǎng)絡(luò)簡介
        2.3.2 前向傳播與后向傳播算法
    2.4 卷積神經(jīng)網(wǎng)絡(luò)(CNN)
    2.5 文本卷積神經(jīng)網(wǎng)絡(luò)(TEXTCNN)
    2.6 本章小結(jié)
第三章 空間金字塔池化與長短期記憶神經(jīng)網(wǎng)絡(luò)
    3.1 空間金字塔池化(SPP)
    3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)模型(RNN)
    3.3 LSTM神經(jīng)網(wǎng)絡(luò)模型(LSTM-NN)
    3.4 本章小結(jié)
第四章 基于文本序列的情感分析實驗
    4.1 SPP-CNN-LSTM模型
    4.2 實驗設(shè)置及結(jié)果分析
        4.2.1 實驗設(shè)置
            4.2.1.1 實驗環(huán)境
            4.2.1.2 實驗數(shù)據(jù)集
            4.2.1.3 實驗評價標(biāo)準(zhǔn)
        4.2.2 實驗?zāi)Ｐ?br>            4.2.2.1 實驗對比設(shè)置
            4.2.2.2 超參數(shù)設(shè)置
            4.2.2.3 詞向量訓(xùn)練
        4.2.3 實驗結(jié)果及分析
    4.3 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻


【參考文獻】：
期刊論文
[1]Text Sentiment Analysis Using Frequency-Based Vigorous Features[J]. Abdul Razzaq,Muhammad Asim,Zulqrnain Ali,Salman Qadri,Imran Mumtaz,Dost Muhammad Khan,Qasim Niaz.  中國通信. 2019(12)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學(xué)報. 2017(06)

碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究[D]. 吳正文.電子科技大學(xué) 2015



本文編號：3165431