隨著新媒體時代互聯(lián)網(wǎng)技術(shù)和網(wǎng)上媒體平臺的不斷發(fā)展,網(wǎng)絡(luò)輿情在社會上廣泛迅速的傳播。文本類型的網(wǎng)絡(luò)輿情主要有兩大特點:一是具有較強的傾向性,二是傾向性分布的不平衡。不平衡文本傾向性分類成為解決這一問題的關(guān)鍵性技術(shù),以機器學(xué)習(xí)為基礎(chǔ)的不平衡文本傾向性分類雖然能夠在一定程度上提升分類器的性能,但是面對海量數(shù)據(jù)時會存在特征維數(shù)過高的缺陷,不能有效地選擇出對類別貢獻度高的特征詞。三支決策在處理不確定信息方面有著較大的優(yōu)勢,能夠綜合考慮特征詞的重要程度,從而選擇出最具類別代表性的特征詞。因此,本文結(jié)合三支決策理論,對特征選擇算法展開研究工作,提出一種全新特征選擇算法TWDFS。此外,本文在深度學(xué)習(xí)方面,提出一種多通道模型融合的分類方法,能夠充分提取出文本中的深層語義信息,有效地提高分類器的性能。本文的主要研究工作主要包括:1.本文根據(jù)不平衡文本傾向性分類中特征分布和樣本分布的特點,結(jié)合三支決策的基本思想,提出了一種全新的特征選擇算法TWD-FS。首先,利用兩種有監(jiān)督特征選擇方法生成特征詞集合;其次,將兩種有監(jiān)督特征選擇方法相結(jié)合,有效地減少了特征詞的數(shù)量,降低了特征維度;最后,通過組合正負類情感特...

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于機器學(xué)習(xí)的不平衡文本傾向性分類研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)的不平衡文本傾向性分類研究現(xiàn)狀
        1.2.3 三支決策國內(nèi)外研究現(xiàn)狀
        1.2.4 模型融合的國內(nèi)外現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)基礎(chǔ)理論
    2.1 三支決策理論
        2.1.1 三支決策的基本思想
        2.1.2 三支決策的兩種模式
    2.2 不平衡文本傾向性分類理論
        2.2.1 文本特征選擇方法
        2.2.2 機器學(xué)習(xí)文本傾向性分類算法
        2.2.3 深度學(xué)習(xí)文本傾向性分類模型
    2.3 本章小結(jié)
第3章 基于三支決策的不平衡文本特征選擇方法
    3.1 三支決策的劃分和決策
        3.1.1 三支決策區(qū)域劃分定義
        3.1.2 特征判別率定義
        3.1.3 組合正負類傾向性特征
    3.2 其他相關(guān)定義
        3.2.1 雙向卡方統(tǒng)計
        3.2.2 構(gòu)建情感詞向量
    3.3 TWD-FS算法
    3.4 實驗設(shè)計和分析
        3.4.1 數(shù)據(jù)集
        3.4.2 評價指標
        3.4.3 實驗方法
        3.4.4 實驗結(jié)果
    3.5 本章小結(jié)
第4章 多通道模型融合的不平衡文本傾向性分類算法
    4.1 文本語義表示
        4.1.1 傳統(tǒng)的文本語義表示
        4.1.2 基于深度學(xué)習(xí)的文本語義表示
    4.2 深度學(xué)習(xí)和不平衡文本傾向性分類
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)(CNN)
        4.2.2 長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)
        4.2.3 Transformer模型
    4.3 多通道模型融合的不平衡文本傾向性分類算法
        4.3.1 多通道TR-LSTM-CNN模型框架描述
        4.3.2 多通道TR-LSTM-CNN模型算法描述
    4.4 實驗設(shè)計和分析
        4.4.1 數(shù)據(jù)集
        4.4.2 實驗方法
        4.4.3 實驗結(jié)果
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 主要工作和創(chuàng)新點
    5.2 未來的工作和展望
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：3737999