基于深度學(xué)習(xí)的方面級(jí)情感分析關(guān)鍵技術(shù)研究
發(fā)布時(shí)間:2023-02-23 17:22
隨著社交網(wǎng)絡(luò)的發(fā)展,用戶針對(duì)不同事物發(fā)表了大量帶有情感傾向的內(nèi)容,將這些文本數(shù)據(jù)進(jìn)行情感分析并統(tǒng)計(jì),對(duì)社會(huì)和商業(yè)等領(lǐng)域都有重要價(jià)值。早期的情感分析研究較為粗粒度化,認(rèn)為一個(gè)文檔或句子只包含了一種情感。方面級(jí)情感分析(Aspect-based Sentiment Analysis,ABSA)可以針對(duì)屬性詞所屬的方面進(jìn)行細(xì)粒度的情感分析,近年來受到學(xué)術(shù)界廣泛關(guān)注。準(zhǔn)確提取文本深層語義特征,挖掘單詞間隱式關(guān)系,是提高方面級(jí)情感分析準(zhǔn)確性的重要途徑。本論文提出了增強(qiáng)注意力機(jī)制的方面級(jí)情感分析模型,重點(diǎn)從三個(gè)方面進(jìn)行探索和研究,具體內(nèi)容如下:1.提出基于注意力機(jī)制的屬性詞提取方法。針對(duì)現(xiàn)有模型難以有效挖掘單詞間的隱式關(guān)系,導(dǎo)致非屬性詞實(shí)體提取,以及屬性詞提取不完整、不全面等問題。本論文在已有模型上,通過深度模型提取文本語義特征,并引入歷史感知的注意力機(jī)制,充分利用歷史時(shí)間步信息,從而建模屬性詞之間的隱式關(guān)系,提高屬性詞提取效果。2.提出基于BERT和改進(jìn)注意力機(jī)制的實(shí)體方面級(jí)情感分析方法。利用BERT語言模型作為嵌入層,針對(duì)文本中存在的多個(gè)屬性詞和多個(gè)方面表達(dá)了不同情感,現(xiàn)有模型不能有效的將屬性...
【文章頁數(shù)】:78 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 傳統(tǒng)情感分析
1.2.2 基于方面的情感分析
1.2.3 ABSA現(xiàn)有問題和不足
1.3 論文研究內(nèi)容
1.4 論文的組織結(jié)構(gòu)
1.5 本章小節(jié)
第二章 相關(guān)理論
2.1 語言模型
2.1.1 統(tǒng)計(jì)語言模型
2.1.2 神經(jīng)概率語言模型
2.2 深度神經(jīng)網(wǎng)絡(luò)模型
2.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.2.2 長短時(shí)記憶網(wǎng)絡(luò)
2.3 注意力機(jī)制
2.4 序列標(biāo)注
2.5 本章小結(jié)
第三章 基于注意力機(jī)制的屬性詞提取模型
3.1 引言及研究動(dòng)機(jī)
3.2 特征提取模型BiLSTM-Attention
3.3 聯(lián)合多層耦合注意力和歷史感知注意力機(jī)制的模型研究
3.3.1 基于CMLA的屬性詞提取
3.3.2 歷史感知注意力THA
3.3.3 CMLA+THA聯(lián)合模型框架
3.4 實(shí)驗(yàn)結(jié)果和分析
3.4.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)集
3.4.2 評(píng)價(jià)指標(biāo)
3.4.3 實(shí)驗(yàn)參數(shù)和結(jié)果分析
3.5 本章小結(jié)
第四章 基于BERT和改進(jìn)層次注意力機(jī)制的情感分析模型
4.1 引言及研究動(dòng)機(jī)
4.2 基于BERT的情感分析模型研究
4.2.1 BERT結(jié)構(gòu)解析
4.2.2 基于BERT的情感分析框架
4.3 基于改進(jìn)層次注意力機(jī)制的情感分析模型
4.3.1 實(shí)體級(jí)自注意力機(jī)制
4.3.2 句子級(jí)注意力
4.3.3 方面特征向量細(xì)化
4.4 基于BERT和改進(jìn)層次注意力的情感分析模型框架
4.5 實(shí)驗(yàn)結(jié)果和分析
4.5.1 實(shí)驗(yàn)數(shù)據(jù)
4.5.2 評(píng)價(jià)指標(biāo)
4.5.3 實(shí)驗(yàn)參數(shù)和結(jié)果分析
4.6 本章小結(jié)
第五章 面向餐飲業(yè)的線上評(píng)論分析系統(tǒng)
5.1 系統(tǒng)總體流程設(shè)計(jì)
5.2 功能模塊實(shí)現(xiàn)
5.2.1 數(shù)據(jù)爬取模塊
5.2.2 數(shù)據(jù)預(yù)處理
5.2.3 模型訓(xùn)練與預(yù)測模塊
5.2.4 統(tǒng)計(jì)分析模塊
5.3 系統(tǒng)展示
5.4 本章小節(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
本文編號(hào):3748421
【文章頁數(shù)】:78 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 傳統(tǒng)情感分析
1.2.2 基于方面的情感分析
1.2.3 ABSA現(xiàn)有問題和不足
1.3 論文研究內(nèi)容
1.4 論文的組織結(jié)構(gòu)
1.5 本章小節(jié)
第二章 相關(guān)理論
2.1 語言模型
2.1.1 統(tǒng)計(jì)語言模型
2.1.2 神經(jīng)概率語言模型
2.2 深度神經(jīng)網(wǎng)絡(luò)模型
2.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.2.2 長短時(shí)記憶網(wǎng)絡(luò)
2.3 注意力機(jī)制
2.4 序列標(biāo)注
2.5 本章小結(jié)
第三章 基于注意力機(jī)制的屬性詞提取模型
3.1 引言及研究動(dòng)機(jī)
3.2 特征提取模型BiLSTM-Attention
3.3 聯(lián)合多層耦合注意力和歷史感知注意力機(jī)制的模型研究
3.3.1 基于CMLA的屬性詞提取
3.3.2 歷史感知注意力THA
3.3.3 CMLA+THA聯(lián)合模型框架
3.4 實(shí)驗(yàn)結(jié)果和分析
3.4.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)集
3.4.2 評(píng)價(jià)指標(biāo)
3.4.3 實(shí)驗(yàn)參數(shù)和結(jié)果分析
3.5 本章小結(jié)
第四章 基于BERT和改進(jìn)層次注意力機(jī)制的情感分析模型
4.1 引言及研究動(dòng)機(jī)
4.2 基于BERT的情感分析模型研究
4.2.1 BERT結(jié)構(gòu)解析
4.2.2 基于BERT的情感分析框架
4.3 基于改進(jìn)層次注意力機(jī)制的情感分析模型
4.3.1 實(shí)體級(jí)自注意力機(jī)制
4.3.2 句子級(jí)注意力
4.3.3 方面特征向量細(xì)化
4.4 基于BERT和改進(jìn)層次注意力的情感分析模型框架
4.5 實(shí)驗(yàn)結(jié)果和分析
4.5.1 實(shí)驗(yàn)數(shù)據(jù)
4.5.2 評(píng)價(jià)指標(biāo)
4.5.3 實(shí)驗(yàn)參數(shù)和結(jié)果分析
4.6 本章小結(jié)
第五章 面向餐飲業(yè)的線上評(píng)論分析系統(tǒng)
5.1 系統(tǒng)總體流程設(shè)計(jì)
5.2 功能模塊實(shí)現(xiàn)
5.2.1 數(shù)據(jù)爬取模塊
5.2.2 數(shù)據(jù)預(yù)處理
5.2.3 模型訓(xùn)練與預(yù)測模塊
5.2.4 統(tǒng)計(jì)分析模塊
5.3 系統(tǒng)展示
5.4 本章小節(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
本文編號(hào):3748421
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3748421.html
最近更新
教材專著