移動(dòng)互聯(lián)網(wǎng)和社交媒體的迅速發(fā)展,使得越來(lái)越多的民眾可以隨時(shí)隨地參與到熱點(diǎn)事件的討論中表達(dá)自己的觀點(diǎn)、立場(chǎng)。圍繞特定的事件或者話題目標(biāo),用戶間的交互文本是各自表達(dá)情感、立場(chǎng)的主要載體。挖掘交互文本中的用戶立場(chǎng)具有重大科學(xué)研究?jī)r(jià)值和應(yīng)用前景�，F(xiàn)有文本立場(chǎng)分析的方法主要包括基于機(jī)器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法�；跈C(jī)器學(xué)習(xí)的文本立場(chǎng)分析相關(guān)技術(shù)依賴于特征構(gòu)建和篩選,但停留在淺層語(yǔ)義特征表示階段;基于深度學(xué)習(xí)的文本立場(chǎng)分析相關(guān)技術(shù)可以為交互的兩個(gè)文本分別提取深層語(yǔ)義特征,但忽略了文本交互過(guò)程的建模,同時(shí)局限于交互文本的語(yǔ)境,無(wú)法嵌入背景知識(shí)用于立場(chǎng)的判別。針對(duì)上述問(wèn)題,本文通過(guò)結(jié)合注意力機(jī)制和背景知識(shí),研究基于深度學(xué)習(xí)的交互文本立場(chǎng)分析方法。本文研究將雙向長(zhǎng)短時(shí)記憶模型用于交互文本Quote-Response（Q-R對(duì)）的底層序列建模,在交互文本聯(lián)合建模的過(guò)程中結(jié)合自我注意力機(jī)制和交叉注意力機(jī)制,使獲得的文本表示能夠在突出Q/R各自關(guān)注重點(diǎn)的同時(shí)兼顧二者之間的交互語(yǔ)境信息,從而更好地支持交互文本中的立場(chǎng)分析。在三個(gè)公開(kāi)英文在線辯論數(shù)據(jù)集Internet Argument Corpus（IAC... 

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題來(lái)源
    1.2 課題研究的背景和意義
    1.3 國(guó)內(nèi)外相關(guān)研究概況
        1.3.1 文本情感分析研究現(xiàn)狀
        1.3.2 文本立場(chǎng)分析研究現(xiàn)狀
    1.4 本文研究?jī)?nèi)容
    1.5 本文組織結(jié)構(gòu)
第2章 文本立場(chǎng)分析相關(guān)技術(shù)概述
    2.1 引言
    2.2 文本情感分析相關(guān)技術(shù)
        2.2.1 基于情感詞典的文本情感分析
        2.2.2 基于機(jī)器學(xué)習(xí)的文本情感分析
        2.2.3 基于深度學(xué)習(xí)的文本情感分析
    2.3 文本立場(chǎng)分析相關(guān)技術(shù)
        2.3.1 基于機(jī)器學(xué)習(xí)的文本立場(chǎng)分析
        2.3.2 基于深度學(xué)習(xí)的文本立場(chǎng)分析
    2.4 本章小結(jié)
第3章 結(jié)合注意力機(jī)制的交互文本立場(chǎng)分析
    3.1 引言
    3.2 交互文本立場(chǎng)分析語(yǔ)料庫(kù)及其特點(diǎn)分析
        3.2.1 交互文本立場(chǎng)分析語(yǔ)料庫(kù)
        3.2.2 交互文本立場(chǎng)分析文本特點(diǎn)分析
    3.3 基于雙向長(zhǎng)短時(shí)記憶模型的交互文本立場(chǎng)分析
        3.3.1 交互文本特征提取
        3.3.2 交互文本聯(lián)合建模
    3.4 結(jié)合注意力機(jī)制的雙向長(zhǎng)短時(shí)記憶模型
        3.4.1 交互文本中的自我注意力
        3.4.2 交互文本中的交叉注意力
        3.4.3 交互文本中的混合注意力
        3.4.4 交互文本立場(chǎng)推斷
    3.5 實(shí)驗(yàn)
        3.5.1 實(shí)驗(yàn)設(shè)置
        3.5.2 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第4章 結(jié)合背景知識(shí)的交互文本立場(chǎng)分析
    4.1 引言
    4.2 面向維基百科的背景知識(shí)檢索
        4.2.1 文本查詢構(gòu)建
        4.2.2 背景知識(shí)檢索
    4.3 基于深層記憶網(wǎng)絡(luò)的背景知識(shí)嵌入模型
        4.3.1 背景知識(shí)記憶編碼
        4.3.2 背景知識(shí)多層嵌入
        4.3.3 交互文本立場(chǎng)推斷
    4.4實(shí)驗(yàn)
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和詞語(yǔ)情感序列特征的中文情感分析[J]. 陳釗,徐睿峰,桂林,陸勤.  中文信息學(xué)報(bào). 2015(06)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的微博情感傾向性分析[J]. 劉龍飛,楊亮,張紹武,林鴻飛.  中文信息學(xué)報(bào). 2015(06)
[3]基于深度學(xué)習(xí)的微博情感分析[J]. 梁軍,柴玉梅,原慧斌,昝紅英,劉銘.  中文信息學(xué)報(bào). 2014(05)
[4]基于詞典與機(jī)器學(xué)習(xí)的中文微博情感分析研究[J]. 孫建旺,呂學(xué)強(qiáng),張雷瀚.  計(jì)算機(jī)應(yīng)用與軟件. 2014(07)
[5]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(bào). 2012(01)



本文編號(hào)：3662356