隨著網(wǎng)絡(luò)的迅速發(fā)展,越來越多的人習(xí)慣通過網(wǎng)絡(luò)來表達(dá)自己的觀點(diǎn)和態(tài)度,對這些觀點(diǎn)進(jìn)行收集和分析能夠帶來很大的應(yīng)用價(jià)值。比如電商平臺(tái)通過對評論的情感分析,能夠了解購買者的喜好,推薦更加合適的產(chǎn)品。社交平臺(tái)可以通過對群眾觀點(diǎn)的情感分析,了解大眾的對于某些事件的情感傾向性,從而掌控群眾的輿論導(dǎo)向,相關(guān)部門可以更好的進(jìn)行輿情監(jiān)控……本文以常用社交軟件——微博為例,對微博文本進(jìn)行情感分析。微博文本與傳統(tǒng)文本有所區(qū)別,微博文本更加簡潔多樣,屬于非正式文本,含有大量縮寫、新詞等,這就導(dǎo)致較為傳統(tǒng)的基于情感詞典的情感分析方法很大程度受限于詞典的完善性。在較新的技術(shù)中,基于深度學(xué)習(xí)的方法則很大程度的受到樣本數(shù)量的限制,當(dāng)樣本數(shù)量較少時(shí),神經(jīng)網(wǎng)絡(luò)訓(xùn)練不夠充分,難以取得較好的結(jié)果。針對上述問題,本文提出了融合兩種不同方法的結(jié)果以提升效果的思路,同時(shí)對兩種方法進(jìn)行優(yōu)化改進(jìn)。具體工作如下:(1)在較為傳統(tǒng)的基于情感詞典的情感分析中,本文提出通過語義相似度對情感詞典進(jìn)行擴(kuò)展的方法提升基于情感詞典進(jìn)行情感分析的結(jié)果。應(yīng)用同義詞詞林對情感詞典進(jìn)行擴(kuò)展;基于Word2Vec對情感詞典進(jìn)行擴(kuò)展;設(shè)計(jì)融合的多種關(guān)系信息的語義...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：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 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于文本粒度分類
        1.2.2 基于技術(shù)方法分類
    1.3 主要研究內(nèi)容
    1.4 文章組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)與理論基礎(chǔ)
    2.1 WORD2VEC
    2.2 LDA模型
    2.3 K-MEANS聚類
    2.4 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.5 長短期記憶網(wǎng)絡(luò)
    2.6 本章小結(jié)
第三章 情感詞典的擴(kuò)展
    3.1 相關(guān)工作
    3.2 基于近義詞詞庫的擴(kuò)展方法
    3.3 基于WORD2VEC的擴(kuò)展方法
    3.4 基于多種語義表示的擴(kuò)展方法
    3.5 實(shí)驗(yàn)驗(yàn)證
        3.5.1 數(shù)據(jù)集
        3.5.2 對比實(shí)驗(yàn)
    3.6 結(jié)果與分析
    3.7 本章小結(jié)
第四章 引入注意力機(jī)制的多特征組合的微博情感分析
    4.1 背景介紹
    4.2 相關(guān)算法
        4.2.1 情感詞典
        4.2.2 支持向量機(jī)
        4.2.3 雙向門控遞歸單元神經(jīng)網(wǎng)絡(luò)
        4.2.4 注意力機(jī)制
    4.3 實(shí)驗(yàn)過程
        4.3.1 數(shù)據(jù)介紹
        4.3.2 對比實(shí)驗(yàn)
    4.4 結(jié)果與分析
    4.5 本章小結(jié)
第五章 微博主題情感分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 總體設(shè)計(jì)
    5.2 實(shí)驗(yàn)過程
        5.2.1 爬取微博數(shù)據(jù)
        5.2.2 主題事件獲取
        5.2.3 情感分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 未來展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3791001