情感分析在社會實際應用中非常廣泛,比如應用于輿情分析、電商購物網站的商品評價分析、旅游網站中對旅游景點的評價分析等。通過情感分析可以將被分析的對象,比如某款商品、景點等的各方面優(yōu)劣都呈現給潛在的顧客或者游客,以幫助他們更全面的做出決策。然而使用機器學習方法進行情感分析研究時,對訓練數據具有嚴格的要求,一是訓練數據和預測數據需要滿足獨立同分布假設;二是要有大量的具有標簽的訓練數據,且類別要較為平衡。然而現實世界中的數據經常存在不滿足獨立同分布的假設,而且數據類別非常的不平衡。針對以上問題,本文提出了兩個基于深度神經網絡的遷移學習方法來提升情感分析的性能。本文提出了一個基于序列遷移學習方法的情感分類框架,它包含了一個基于遷移學習的降采樣方法和基于卷積神經網絡的級聯分類結構,能夠很好地解決非平衡數據集的情感分類問題。統(tǒng)計機器學習方法使用向量空間模型對自然語言進行建模,這使得語句丟失了順序關系和上下文依賴關系,同時對于一詞多義的詞語也無法作區(qū)分性表示,因此在樣本重采樣和模型學習時存在較大困難。經實驗驗證,本文所提出的分類框架在極度不平衡的真實旅游景點情感評論數據集的少數類上的精確率、召回率和f... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：75 頁

【學位級別】：碩士

【部分圖文】：

預訓練模型使用不同正則技術后在驗證集上的準確率和收斂速度比較表3.5第二步中使用不同正則化技術在Td測試集中的性能表現

【參考文獻】：
期刊論文
[1]基于多任務深度學習的文本情感原因分析[J]. 余傳明,李浩男,安璐.  廣西師范大學學報(自然科學版). 2019(01)
[2]一種用于供電服務評估的多模態(tài)多任務框架[J]. 沈然,林愷豐,吳慧.  計算機與現代化. 2018(12)
[3]基于LSTM的商品評論情感分析[J]. 於雯,周武能.  計算機系統(tǒng)應用. 2018(08)
[4]分段卷積神經網絡在文本情感分析中的應用[J]. 杜昌順,黃磊.  計算機工程與科學. 2017(01)
[5]基于遷移學習的唐詩宋詞情感分析[J]. 吳斌,吉佳,孟琳,石川,趙惠東,李儀清.  電子學報. 2016(11)
[6]跨領域遷移學習產品評論情感分析[J]. 張志武.  現代圖書情報技術. 2013(06)



本文編號：3608413