隨著網(wǎng)絡(luò)的發(fā)展,很多人在網(wǎng)絡(luò)上發(fā)表自己對(duì)事物的看法和評(píng)價(jià),通過對(duì)這些數(shù)據(jù)的分析可以得到不同的人對(duì)于某一種事物的情感傾向。如何運(yùn)用自然語言處理對(duì)網(wǎng)絡(luò)評(píng)論文本進(jìn)行分析是目前文本處理的一個(gè)熱點(diǎn),情感分析也是其中一個(gè)重要的任務(wù)。而要實(shí)現(xiàn)從評(píng)論文本到情感分類的一體化設(shè)計(jì),主客觀分析顯得尤為重要。本文深入研究了情感分析算法的優(yōu)化和主客觀分析算法,主要工作如下:1、設(shè)計(jì)并實(shí)現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的情感分析算法-基于詞性的門限卷積神經(jīng)網(wǎng)絡(luò)（GCNN-POS）。首先,同一詞語在不同場景下有著不同的詞性和詞義,所以該算法以語料庫為基礎(chǔ),對(duì)分詞后的語料進(jìn)行詞性標(biāo)注,使用word2vec模型訓(xùn)練詞向量,將文本轉(zhuǎn)化為基于詞性標(biāo)注的詞向量形式。然后,利用雙向門限循環(huán)神經(jīng)網(wǎng)絡(luò)層對(duì)文本詞向量提取上下文語義信息,利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)文本進(jìn)一步提取特征,降低詞向量維度。最后,利用sigmoid函數(shù)將實(shí)驗(yàn)得分的結(jié)果轉(zhuǎn)換為相應(yīng)的概率進(jìn)行分類。2、首次將深度學(xué)習(xí)算法運(yùn)用到主客觀分析任務(wù)中,并根據(jù)主客觀分析任務(wù)的特點(diǎn)提出了基于注意力機(jī)制的雙向門限循環(huán)神經(jīng)網(wǎng)絡(luò)（AT-BiGRU）模型。本文不再依賴特征工程的方法,而是采用... 

【文章頁數(shù)】：82 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 相關(guān)研究
    1.3 本文的主要內(nèi)容和組織結(jié)構(gòu)
第二章 面向網(wǎng)絡(luò)評(píng)論情感分析的GCNN-POS算法模型
    2.1 算法流程
    2.2 文本預(yù)處理
        2.2.1 中文分詞
        2.2.2 詞性標(biāo)注
    2.3 詞向量表示
        2.3.1 詞向量模型
        2.3.2 結(jié)合詞性標(biāo)注的詞向量表示
    2.4 GCNN模型
        2.4.1 雙向GRU
        2.4.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.3 輸出層
    2.5 本章小結(jié)
第三章 面向主客觀分析的AT-BIGRU算法模型
    3.1 算法流程
    3.2 主客觀文本特征
        3.2.1 非規(guī)范文本
        3.2.2 主觀性文本
        3.2.3 客觀性本文
        3.2.4 文本特征
    3.3 傳統(tǒng)主客觀分析算法
        3.3.1 樸素貝葉斯
        3.3.2 SVM模型
    3.4 基于深度學(xué)習(xí)的主客觀分析算法
        3.4.1 Attention機(jī)制
        3.4.2 基于Attention機(jī)制的神經(jīng)網(wǎng)絡(luò)模型
        3.4.3 AT-BiGRU算法模型
    3.5 本章小結(jié)
第四章 實(shí)驗(yàn)分析
    4.1 面向情感分析的GCNN-POS算法實(shí)驗(yàn)
        4.1.1 數(shù)據(jù)集
        4.1.2 評(píng)估標(biāo)準(zhǔn)
        4.1.3 詞向量的訓(xùn)練模型
        4.1.4 各個(gè)優(yōu)化部分的對(duì)比
        4.1.5 詞向量維度的確定
        4.1.6 迭代輪數(shù)的影響
        4.1.7 分類結(jié)果的對(duì)比
        4.1.8 訓(xùn)練時(shí)間的對(duì)比
    4.2 面向主客觀分析的AT-BiGRU算法實(shí)驗(yàn)
        4.2.1 語料的獲取
        4.2.2 主客觀分析必要性驗(yàn)證
        4.2.3 AT-BiGRU的分類準(zhǔn)確率
        4.2.4 泛化能力評(píng)估
        4.2.5 主客觀分析的時(shí)間
        4.2.6 主觀文本的情感分析
    4.3 情感分析一體化設(shè)計(jì)
    4.4 實(shí)驗(yàn)結(jié)論
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間已發(fā)表或錄用的論文
攻讀學(xué)位期間參與的項(xiàng)目



本文編號(hào)：3732541