隨著社交媒體和移動設(shè)備的日益普及,越來越多的人在社交平臺對熱點事件或特定商品發(fā)表自己的觀點看法,隨之而來的是帶有情感信息的爆炸式增長。如何從海量的信息中挖掘出關(guān)鍵性主題和文本所表達的情感信息變得尤為重要�，F(xiàn)有的基于深度學習的主題發(fā)現(xiàn)和情感分類方法可以取得較好的效果,但也存在明顯不足。主要表現(xiàn)在主題模型往往從全局文本進行建模,但缺乏對局部情感極性的挖掘;而情感分類模型只利用文檔的詞語信息,卻忽略了潛在的主題信息。針對上述問題,本文對主題發(fā)現(xiàn)和情感分類進行聯(lián)合分析。本文首先研究結(jié)合對抗策略的主題情感聯(lián)合模型。該方法將變分自編碼器用于主題發(fā)現(xiàn)的建模,將層級注意力網(wǎng)絡(luò)用于情感分類的建模,進而設(shè)計對抗訓練的策略,最大化每個詞語對應(yīng)的主題向量與注意力向量的相似度,以達到利用主題向量指導情感注意力信號的計算和利用情感注意力信號指導主題向量的學習的目的,實現(xiàn)兩個任務(wù)的互相促進。在公開英文評論數(shù)據(jù)集Yelp2013和IMDB（Internet Movie Database）上的實驗顯示,結(jié)合對抗訓練策略的主題情感聯(lián)合模型,在主題發(fā)現(xiàn)任務(wù)的主題一致性值提升了1.5%和1.5%,同時情感分類任務(wù)的準確率分別... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究的背景和意義
    1.2 國內(nèi)外相關(guān)研究概況
        1.2.1 主題模型研究現(xiàn)狀
        1.2.2 情感分類研究現(xiàn)狀
        1.2.3 多任務(wù)學習研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第2章 相關(guān)技術(shù)概述
    2.1 引言
    2.2 主題模型相關(guān)技術(shù)
        2.2.1 基于概率潛在語義分析的主題模型
        2.2.2 基于隱狄利克雷分布的主題模型
        2.2.3 基于變分自編碼器的主題模型
    2.3 情感分類相關(guān)技術(shù)
        2.3.1 基于規(guī)則的情感分類
        2.3.2 基于機器學習的情感分類技術(shù)
        2.3.3 基于深度學習的情感分類技術(shù)
    2.4 多任務(wù)學習相關(guān)技術(shù)
    2.5 本章小結(jié)
第3章 結(jié)合對抗策略的主題情感聯(lián)合分析
    3.1 引言
    3.2 基于變分自編碼器的主題模型
    3.3 基于層級注意力網(wǎng)絡(luò)的情感分類模型
    3.4 結(jié)合對抗策略的主題情感聯(lián)合模型
    3.5 實驗結(jié)果及分析
        3.5.1 數(shù)據(jù)集
        3.5.2 實驗設(shè)置
        3.5.3 總體性能實驗結(jié)果與分析
        3.5.4 對比實驗結(jié)果與分析
    3.6 本章小結(jié)
第4章 結(jié)合強化學習的主題情感聯(lián)合分析
    4.1 引言
    4.2 結(jié)合強化學習的主題模型
        4.2.1 強化學習中的動作和策略分析
        4.2.2 強化學習中的狀態(tài)分析
        4.2.3 強化學習中的獎勵分析
    4.3 結(jié)合強化學習的主題情感聯(lián)合模型
    4.4 實驗結(jié)果及分析
        4.4.1 實驗設(shè)置
        4.4.2 總體性能實驗結(jié)果與分析
        4.4.3 對比實驗結(jié)果與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表的論文及其它成果
致謝


【參考文獻】：
期刊論文
[1]文本情緒分析綜述[J]. 李然,林政,林海倫,王偉平,孟丹.  計算機研究與發(fā)展. 2018(01)
[2]基于主題和大眾影響的用戶動態(tài)行為傾向預測[J]. 尚燕敏,曹亞男,韓毅,李陽,張闖.  計算機學報. 2018(07)
[3]自然語言處理中主題模型的發(fā)展[J]. 徐戈,王厚峰.  計算機學報. 2011(08)

博士論文
[1]多任務(wù)學習的研究[D]. 李亞.中國科學技術(shù)大學 2018
[2]概率主題模型的研究及其在多媒體主題發(fā)現(xiàn)和演化中的應(yīng)用[D]. 周厚奎.浙江大學 2017



本文編號：3395087