基于主題的文本情感分析技術(shù)逐漸成為人們關(guān)注的熱點(diǎn),其主要任務(wù)是通過挖掘用戶評(píng)論所蘊(yùn)含的主題、以及對(duì)這些主題的情感偏好。本文中的情感傾向包含三級(jí):滿意、中立以及不滿。區(qū)別于傳統(tǒng)情感分析和方面級(jí)情感分析,“細(xì)粒度”體現(xiàn)為在一段評(píng)論中,以多個(gè)<主題詞,情感詞,情感傾向>三元組作為結(jié)果呈現(xiàn),并非一段文本只有一個(gè)情感;除此之外,主題詞不再是“方面”級(jí)別,而是隨機(jī)性更強(qiáng)的任意詞語。本文基于真實(shí)的互聯(lián)網(wǎng)商品評(píng)論數(shù)據(jù),采用模型融合思想,提出了一套包含主題詞與情感詞抽取、主題詞與情感匹配以及主題情感分析的算法框架,在交叉驗(yàn)證的條件下使用標(biāo)準(zhǔn)的F1-Score評(píng)判指標(biāo)取得穩(wěn)定且顯著的效果。本文的主要工作如下三個(gè)方面:（1）主題詞與情感詞抽取方面,將雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)聯(lián)合條件隨機(jī)場(chǎng)作為算法框架;受詞嵌入思想的啟發(fā),提出主題詞與情感詞詞典嵌入向量方法（Dict Embedding）,使召回率以及精確率均取得顯著提升。（2）主題詞與情感詞的匹配策略方面,提出分層匹配策略。分層匹配策略包括兩個(gè)階段:在R（Recall）階段先對(duì)所有<主題詞-情感詞>進(jìn)行“粗選”,提高召回率;在P（Preci... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 研究?jī)?nèi)容及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 論文結(jié)構(gòu)安排
第二章 課題相關(guān)理論和技術(shù)
    2.1 文本預(yù)處理
    2.2 詞向量模型
        2.2.1 傳統(tǒng)模型
        2.2.2 Word2Vector模型
        2.2.3 Glove模型
    2.3 傳統(tǒng)機(jī)器學(xué)習(xí)方法
        2.3.1 隱馬爾可夫模型HMM
        2.3.2 條件隨機(jī)場(chǎng)CRF
        2.3.3 支持向量機(jī)SVM
    2.4 深度學(xué)習(xí)方法
        2.4.1 卷積神經(jīng)網(wǎng)絡(luò)CNN
        2.4.2 雙向長(zhǎng)短期記憶網(wǎng)絡(luò)BI-LSTM
    2.5 序列標(biāo)注中的標(biāo)簽方案
    2.6 本章小結(jié)
第三章 基于詞典嵌入的深度學(xué)習(xí)抽取方法
    3.1 算法框架
    3.2 模型及相關(guān)方法
        3.2.1 字抽取模型和詞抽取模型
        3.2.2 詞典嵌入向量
        3.2.3 分詞置信度
    3.3 實(shí)驗(yàn)與結(jié)果分析
        3.3.1 數(shù)據(jù)集與詞向量
        3.3.2 主題詞與情感詞抽取實(shí)驗(yàn)
    3.4 本章小結(jié)
第四章 分層匹配策略與聯(lián)合情感分析方法
    4.1 算法框架
    4.2 分層匹配策略
        4.2.1 常見匹配策略
        4.2.2 分層匹配策略
    4.3 聯(lián)合情感分析技術(shù)
        4.3.1 情感分析框架
        4.3.2 基于語境的特征工程
    4.4 實(shí)驗(yàn)與結(jié)果分析
        4.4.1 數(shù)據(jù)集與評(píng)價(jià)指標(biāo)
        4.4.2 匹配策略實(shí)驗(yàn)與結(jié)果分析
        4.4.3 基于主題的細(xì)粒度情感分析實(shí)驗(yàn)與結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)和展望
    5.1 本文工作總結(jié)
    5.2 未來研究方向
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]無指導(dǎo)的中文開放式實(shí)體關(guān)系抽取[J]. 秦兵,劉安安,劉挺.  計(jì)算機(jī)研究與發(fā)展. 2015(05)
[2]基于種子自擴(kuò)展的命名實(shí)體關(guān)系抽取方法[J]. 何婷婷,徐超,李晶,趙君喆.  計(jì)算機(jī)工程. 2006(21)

碩士論文
[1]移動(dòng)流量中基于用戶訪問序列的表示學(xué)習(xí)及其應(yīng)用[D]. 江萬.北京郵電大學(xué) 2018
[2]面向用戶在線評(píng)論的情感傾向分析[D]. 劉菲菲.北京郵電大學(xué) 2018
[3]基于領(lǐng)域知識(shí)庫的簡(jiǎn)歷信息抽取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 張博.北京郵電大學(xué) 2018
[4]面向移動(dòng)應(yīng)用商店的智能信息采集系統(tǒng)的研究與實(shí)現(xiàn)[D]. 汪鷺.北京郵電大學(xué) 2018
[5]基于深度神經(jīng)網(wǎng)絡(luò)的方面級(jí)情感分析算法研究[D]. 王毅.北京郵電大學(xué) 2018
[6]面向產(chǎn)品評(píng)論的細(xì)粒度情感分析[D]. 李盛秋.哈爾濱工業(yè)大學(xué) 2017
[7]基于股票評(píng)論的句子級(jí)情感分析方法研究[D]. 盧琰琰.哈爾濱工業(yè)大學(xué) 2017
[8]HMM在中文評(píng)價(jià)挖掘中的研究與應(yīng)用[D]. 王磊.電子科技大學(xué) 2017
[9]基于doc2vec和SVM的輿情情感分析系統(tǒng)的研究與設(shè)計(jì)[D]. 甘如飴.北京郵電大學(xué) 2017
[10]基于CRF的命名實(shí)體和關(guān)系的聯(lián)合抽取[D]. 徐秋妍.上海交通大學(xué) 2012



本文編號(hào)：3206925