隨著信息技術(shù)的飛速發(fā)展和網(wǎng)絡(luò)新時(shí)代的來臨,現(xiàn)代人的日常生活與網(wǎng)絡(luò)息息相關(guān),越來越多的人因?yàn)殡娮由虅?wù)平臺(tái)和社交網(wǎng)絡(luò)平臺(tái)而發(fā)生了改變,同時(shí)人們每日都會(huì)在網(wǎng)絡(luò)上留下大量的評(píng)論,如何有效的分析出情感傾向具有非常重要的意義,情感分析應(yīng)運(yùn)而生。情感分析是在挖掘大量互聯(lián)網(wǎng)文本的基礎(chǔ)上對(duì)觀點(diǎn)持有人的立場(chǎng)和情感進(jìn)行分析。情感分析的工作主要集中在三個(gè)方面,文檔級(jí)別情感分析、句子級(jí)別情感分析和方面級(jí)別情感分析。由于文檔級(jí)別和句子級(jí)別的情感分析是一種粗粒度的研究方法,忽略了情感表達(dá)往往附著在一個(gè)具體目標(biāo)上的事實(shí),導(dǎo)致情感預(yù)測(cè)的偏差,因此本文旨在研究目標(biāo)依賴的情感分析方法。本文主要做了三個(gè)改進(jìn):首先進(jìn)行基于層級(jí)神經(jīng)網(wǎng)絡(luò)的文本語義分類方法研究,通過對(duì)文檔級(jí)文本的層級(jí)分析,達(dá)到文本語義分類的目的。然后,進(jìn)行基于層級(jí)神經(jīng)網(wǎng)絡(luò)的目標(biāo)依賴情感分析研究,通過學(xué)習(xí)目標(biāo)信息來研究情感傾向,證明目標(biāo)依賴情感分析研究比文本語義研究更有針對(duì)性并起到更好的分類效果。最后,進(jìn)行基于層級(jí)神經(jīng)網(wǎng)絡(luò)的方面信息融合和位置信息引入的情感分析研究,通過更深入的研究目標(biāo)方面信息并引入位置編碼來進(jìn)行情感分析。本文所研究的工作主要包括以下內(nèi)容:第一,進(jìn)行... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

山東師范大學(xué)碩士學(xué)位論文12順序?qū)斎胄畔⑦M(jìn)行遞歸的神經(jīng)網(wǎng)絡(luò)，包括遞歸神經(jīng)網(wǎng)絡(luò)（RecursiveNeuralNetwork）和循環(huán)神經(jīng)網(wǎng)絡(luò)(RecurrentNeuralNetwork)。兩者的區(qū)別在于遞歸神經(jīng)網(wǎng)絡(luò)（RecursiveNeuralNetwork）屬于結(jié)構(gòu)遞歸神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)（RecurrentNeuralNetwork）屬于時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)。結(jié)構(gòu)遞歸神經(jīng)網(wǎng)絡(luò)可以利用相似的結(jié)構(gòu)來遞歸構(gòu)造更為復(fù)雜的深度網(wǎng)絡(luò)。遞歸神經(jīng)網(wǎng)絡(luò)的弊端在于無法處理隨著遞歸產(chǎn)生的權(quán)重指數(shù)級(jí)爆炸或消失的問題，以及難以捕捉長(zhǎng)期時(shí)間關(guān)聯(lián)。由于遞歸神經(jīng)網(wǎng)絡(luò)（RNN）包含循環(huán)，所以它可以在處理新輸入的同時(shí)存儲(chǔ)信息。這種存儲(chǔ)器使RNN非常適合處理必須考慮事先輸入的任務(wù)，因此文本、語音、視頻等時(shí)間序列數(shù)據(jù)非常適合由RNN來處理。圖2-2展開的RNN模型上圖展示了一個(gè)展開的RNN，可以看到等號(hào)后展開的RNN沒有循環(huán)，信息從一個(gè)時(shí)間步傳遞到下一個(gè)時(shí)間步。2.2.2.1LSTMLongShortTermMemoryNetworks(LSTMs)，是一種特殊的RNN網(wǎng)絡(luò)。該網(wǎng)絡(luò)由Hochreiter&Schmidhuber[34]在1997年設(shè)計(jì)引入，LSTM網(wǎng)絡(luò)是為了解決長(zhǎng)期依賴的問題，隨后有許多人對(duì)其進(jìn)行了改進(jìn)和普及。在標(biāo)準(zhǔn)的RNN中，重復(fù)單元的結(jié)構(gòu)比較簡(jiǎn)單。標(biāo)準(zhǔn)的RNN網(wǎng)絡(luò)如下圖所示：

標(biāo)準(zhǔn)的RNN網(wǎng)絡(luò)

【參考文獻(xiàn)】：
期刊論文
[1]基于詞向量技術(shù)和混合神經(jīng)網(wǎng)絡(luò)的情感分析[J]. 胡朝舉,趙曉偉.  計(jì)算機(jī)應(yīng)用研究. 2018(12)
[2]基于多注意力卷積神經(jīng)網(wǎng)絡(luò)的特定目標(biāo)情感分析[J]. 梁斌,劉全,徐進(jìn),周倩,章鵬.  計(jì)算機(jī)研究與發(fā)展. 2017(08)
[3]基于極性轉(zhuǎn)移和LSTM遞歸網(wǎng)絡(luò)的情感分析[J]. 梁軍,柴玉梅,原慧斌,高明磊,昝紅英.  中文信息學(xué)報(bào). 2015(05)

碩士論文
[1]目標(biāo)依賴的細(xì)粒度文本情感分析研究及應(yīng)用[D]. 姜夢(mèng)曉.華東師范大學(xué) 2018
[2]基于依存句法的句子級(jí)細(xì)粒度情感計(jì)算[D]. 趙黎光.華南理工大學(xué) 2015



本文編號(hào)：3562814