隨著信息技術(shù)的發(fā)展和大數(shù)據(jù)的興起,互聯(lián)網(wǎng)成為了人們發(fā)布和獲取信息的重要來源。其中,用戶產(chǎn)生的大部分信息以文本的形式積累在網(wǎng)絡中。如何從這些大規(guī)模非結(jié)構(gòu)化文本中,挖掘出潛在的主題知識,是自然語言處理研究的重要問題之一,在輿情監(jiān)測、評論分析和內(nèi)容推薦等領域都有廣泛的應用。目前,已經(jīng)有許多國內(nèi)外學者針對文本主題挖掘問題提出了一系列算法,但仍然存在以下不足:第一,現(xiàn)有方法沒有有效利用文檔附帶的元數(shù)據(jù)中的輔助信息,比如評論中的評分和情感極性,論文中的作者和引用文獻等。這些元數(shù)據(jù)中蘊含有豐富的結(jié)構(gòu)信息,且不同類型的元數(shù)據(jù)對文檔內(nèi)容的影響是有差異的。當前方法要么忽略了這些元數(shù)據(jù),要么只利用了特定的一類元數(shù)據(jù),或者對不同的元數(shù)據(jù)進行了同樣的處理,導致無法充分利用元數(shù)據(jù)中的輔助信息。并且,現(xiàn)有方法無法處理元數(shù)據(jù)中包含的噪聲。第二,現(xiàn)有方法沒有考慮單詞的情感信息與單詞主題之間存在的關(guān)聯(lián),而二者其實是緊密相關(guān)的。針對以上問題,本文提出了兩個改進后的主題分析算法,分別將元數(shù)據(jù)和情感信息融合到主題挖掘中。本文的主要貢獻如下:(1)針對包含作者和引用元數(shù)據(jù)的學術(shù)論文網(wǎng)絡,提出了一種同時融合作者和引用元數(shù)據(jù)信息的概...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 概率主題模型
        1.2.2 文本情感分析
    1.3 研究內(nèi)容
    1.4 主要貢獻與創(chuàng)新
    1.5 論文的結(jié)構(gòu)安排
第二章 相關(guān)概念與技術(shù)
    2.0 概率圖模型
        2.0.1 基本概念
        2.0.2 Gibbs采樣
    2.1 概率主題模型
        2.1.1 LDA模型
        2.1.2 DMR模型
        2.1.3 CIM模型
    2.2 注意力機制
    2.3 循環(huán)神經(jīng)網(wǎng)絡
    2.4 基于主題的情感分析
        2.4.1 基于單層注意力的主題情感分析算法
        2.4.2 基于多層注意力的主題情感分析算法
    2.5 本章小結(jié)
第三章 融合作者和引用信息的概率主題模型
    3.1 模型動機
    3.2 ACTM模型結(jié)構(gòu)描述
        3.2.1 作者信息的融合
        3.2.2 引用信息的融合
    3.3 參數(shù)推斷
    3.4 實驗與分析
        3.4.1 數(shù)據(jù)集
        3.4.2 對比算法
        3.4.3 主題語義一致性評估實驗
        3.4.4 文本分類實驗
        3.4.5 參數(shù)敏感性實驗
        3.4.6 定性分析
    3.5 本章小結(jié)
第四章 融合情感的深度主題分析算法
    4.1 模型總體框架
    4.2 SSFTM模型
        4.2.1 輸入表征模塊
        4.2.2 局部主題感知模塊
        4.2.3 主題情感表征模塊
        4.2.4 MLP分類模塊
    4.3 模型訓練
    4.4 實驗結(jié)果與分析
        4.4.1 數(shù)據(jù)集和評價指標
        4.4.2 對比算法
        4.4.3 實驗設置
        4.4.4 實驗結(jié)果與分析
        4.4.5 模型有效性實驗
        4.4.6 案例分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來工作展望
致謝
參考文獻



本文編號：3804535