由于互聯(lián)網(wǎng)的高速發(fā)展,人們的生活逐漸變得智能化,用餐習(xí)慣也從線下轉(zhuǎn)到了線上。在日常消費(fèi)之后,用戶習(xí)慣去線上平臺留下評論以表達(dá)本次消費(fèi)的感受。日積月累之下,這便形成了龐大的消費(fèi)評論數(shù)據(jù)集。利用大數(shù)據(jù)手段,合理地對這些情感數(shù)據(jù)進(jìn)行分析與挖掘,除了能夠有效快速地了解商家的優(yōu)缺點(diǎn),同時也能夠把握用戶的喜好和消費(fèi)需求,并以此來對產(chǎn)品進(jìn)行改善。傳統(tǒng)的情感分析主要基于機(jī)器學(xué)習(xí)模型和規(guī)則匹配的方法�；谝�(guī)則的方法是指在某個領(lǐng)域針對每一類情感,都需要構(gòu)建該情感的情感詞典,最終預(yù)測的效果很大程度上取決于每一類情感所包含的情感詞是否完善與準(zhǔn)確。并且對于不同領(lǐng)域構(gòu)建一個通用型的情感詞典比較困難。另一方面,基于傳統(tǒng)的機(jī)器學(xué)習(xí)方法需要提取文本淺層的語法和語義特征,比如詞性信息和實(shí)體信息,由于不能提取文本上下文的語義信息,因此模型的效果一般�；诖�,本文主要是利用深度學(xué)習(xí)算法,將文本表征為詞向量,考慮到文本的上下文信息和語義、語法等信息,運(yùn)用深度學(xué)習(xí)算法來進(jìn)行情感分析。本文的主要工作內(nèi)容如下:（1）本文提出了一個基于Seq2Seq情感分類模型,首先在輸入上預(yù)訓(xùn)練了一個可用于餐飲評論的ELMo的語言模型,能夠生成包含... 

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 文檔級情感分類
        1.2.2 語句級情感分類
        1.2.3 方面級情感分類
    1.3 本文的主要工作
    1.4 論文結(jié)構(gòu)安排
第二章 相關(guān)理論和技術(shù)
    2.1 情感分析概述
        2.1.1 基于詞典的情感分析
        2.1.2 基于機(jī)器學(xué)習(xí)的情感識別
    2.2 中文文本處理技術(shù)
    2.3 基于word2vec的文本表示方法
    2.4 深度學(xué)習(xí)相關(guān)理論與技術(shù)介紹
        2.4.1 激活函數(shù)
        2.4.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.4.4 長短期記憶神經(jīng)網(wǎng)絡(luò)
    2.5 本章小結(jié)
第三章 基于深度學(xué)習(xí)的細(xì)粒度情感分類方法
    3.1 數(shù)據(jù)集介紹及文本長度統(tǒng)計
        3.1.1 數(shù)據(jù)集介紹
        3.1.2 文本長度統(tǒng)計
    3.2 數(shù)據(jù)集標(biāo)簽分布
    3.3 基于ELMo的動態(tài)詞向量表征模型
    3.4 Seq2Seq模型
    3.5 基于自注意力機(jī)制的細(xì)粒度情感分析模型
        3.5.1 Self-Attention
        3.5.2 模型框架
    3.6 本章小結(jié)
第四章 實(shí)驗分析
    4.1 實(shí)驗環(huán)境及評估指標(biāo)
    4.2 損失函數(shù)
    4.3 實(shí)驗結(jié)果與分析
    4.4 本章小結(jié)
第五章 基于餐飲評論的細(xì)粒度情感分析應(yīng)用
    5.1 情感分析應(yīng)用總體構(gòu)造
    5.2 應(yīng)用開發(fā)的環(huán)境
    5.3 功能模塊實(shí)現(xiàn)
        5.3.1 數(shù)據(jù)抓取模塊
        5.3.2 數(shù)據(jù)預(yù)處理模塊
        5.3.3 數(shù)據(jù)計算模塊
        5.3.4 統(tǒng)計信息展示模塊
    5.4 功能演示
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來工作展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]文本情感分析[J]. 趙妍妍,秦兵,劉挺.  軟件學(xué)報. 2010(08)
[2]文本挖掘技術(shù)研究[J]. 薛為民,陸玉昌.  北京聯(lián)合大學(xué)學(xué)報(自然科學(xué)版). 2005(04)



本文編號：3647171