近年來,信息技術(shù)的快速發(fā)展,促進(jìn)了電商貿(mào)易和網(wǎng)上互動平臺的發(fā)展,也刺激了網(wǎng)絡(luò)評論文本的激增。通過對大量網(wǎng)絡(luò)評論進(jìn)行研究,可以幫助政府、企業(yè)商家、顧客做出更合理更有利的決定。由于網(wǎng)絡(luò)評論的重要性被越來越多的人所重視,網(wǎng)絡(luò)評論文本的情感傾向性分析已成為自然語言處理領(lǐng)域的研究熱點(diǎn)之一。另外,通過對情感詞的極性強(qiáng)度進(jìn)行量化分析,可以有效區(qū)分其情感色彩程度,從而幫助人們進(jìn)行更為準(zhǔn)確的情感表達(dá)。故關(guān)于情感詞的語義模糊性研究也是一大研究熱點(diǎn)。本文選取網(wǎng)絡(luò)評論中的情感詞作為研究對象,結(jié)合漢語語言的自身特點(diǎn),對情感詞的語義模糊性進(jìn)行量化分析,同時在意見挖掘領(lǐng)域?qū)ζ溥M(jìn)行應(yīng)用。本文的主要工作有:1、基于How Net情感詞典,提出基于Word2vec詞向量和How Net語義相似度線性疊加的詞典構(gòu)建方法,在NTUSD情感詞典和網(wǎng)絡(luò)情感詞典范圍內(nèi),擴(kuò)充How Net情感詞典。2、針對簡單情感詞的語義模糊性,提出將Word2vec與How Net線性疊加方法和基于詞頻統(tǒng)計方法相結(jié)合的新方法,實(shí)現(xiàn)對簡單情感詞極性強(qiáng)度的量化。通過實(shí)驗(yàn)發(fā)現(xiàn),使用該方法量化情感詞的語義模糊性,可以有效提高情感詞極性量化的正確率。相比K... 

【文章來源】：山東理工大學(xué)山東省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1分割超平面

圖 2.2 給出了 CNN 的一個基本結(jié)構(gòu)框架圖。從本質(zhì)上而言，CNN 是一種從輸入層到輸出層的映射結(jié)構(gòu)。圖2.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2.2The StructureofConvolution NeuralNetwork

入層的值；h 代表的是隱藏層，它表示隱藏層的值；o 代表的也是一個向量，它表示輸出層的值。圖2.3 循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2.3 Structureof RecurrentNeuralNetwork對于循環(huán)神經(jīng)網(wǎng)絡(luò)的計算方法可以用以下公式來表示： tt1** tH fUXWH(2-14) ttO gV*H(2-15)其中，式中的Xt表示在 t 時刻的輸入樣本；Ht表示在t 時刻的記憶；Ot表示在 t 時刻的輸出信息；f()和g()代表的是激勵函數(shù)；U 表示輸入層中此刻輸入的樣本所具有的權(quán)重矩陣，V 表示輸出層中輸出的樣本的權(quán)重矩陣，W 表示將隱藏層中的上一次操作所得出的結(jié)果作為這一次的輸入的權(quán)重矩陣。這是因?yàn)殡[藏層的值 H 不僅既與當(dāng)前的這次輸入相關(guān)，還與上一次的輸入相關(guān)。

【參考文獻(xiàn)】：
期刊論文
[1]基于Word2Vec的中文短文本分類問題研究[J]. 汪靜,羅浪,王德強(qiáng).  計算機(jī)系統(tǒng)應(yīng)用. 2018(05)
[2]一種基于Word2Vec的訓(xùn)練效果優(yōu)化策略研究[J]. 王飛,譚新.  計算機(jī)應(yīng)用與軟件. 2018(01)
[3]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(jī)學(xué)報. 2017(06)
[4]基于word2vec的互聯(lián)網(wǎng)商品評論情感傾向研究[J]. 黃仁,張衛(wèi).  計算機(jī)科學(xué). 2016(S1)
[5]基于多詞典融合的詞匯語義傾向判別[J]. 劉清松,張仰森.  計算機(jī)技術(shù)與發(fā)展. 2015(05)
[6]結(jié)合情感詞網(wǎng)的中文短文本情感分類[J]. 何天翔,張暉,李波,楊春明,趙旭劍.  計算機(jī)應(yīng)用研究. 2015(10)
[7]網(wǎng)絡(luò)商品評論的特征–情感詞本體構(gòu)建與情感分析方法研究[J]. 杜嘉忠,徐健,劉穎.  現(xiàn)代圖書情報技術(shù). 2014(05)
[8]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計算機(jī)研究與發(fā)展. 2013(09)
[9]話題型微博語言特點(diǎn)及其情感分析策略研究[J]. 侯敏,滕永林,李雪燕,陳毓麒,鄭雙美,侯明午,周紅照.  語言文字應(yīng)用. 2013(02)
[10]基于層次結(jié)構(gòu)的多策略中文微博情感分析和特征抽取[J]. 謝麗星,周明,孫茂松.  中文信息學(xué)報. 2012(01)

博士論文
[1]細(xì)粒度情感分析研究[D]. 施寒瀟.蘇州大學(xué) 2013

碩士論文
[1]面向微博評論的中文文本情感分類研究[D]. 顧宇杰.云南財經(jīng)大學(xué) 2018
[2]基于word2vec詞向量的文本分類研究[D]. 朱磊.西南大學(xué) 2017



本文編號：3300254