基于深度學(xué)習(xí)的細(xì)粒度文本情感分析研究
發(fā)布時(shí)間:2023-10-30 17:29
在如今的大數(shù)據(jù)時(shí)代,每天都有海量的信息產(chǎn)生,互聯(lián)網(wǎng)已經(jīng)成為人們表達(dá)觀點(diǎn)、獲取信息的重要途徑,網(wǎng)絡(luò)用戶從過(guò)去單純的信息獲取者變?yōu)榫W(wǎng)絡(luò)內(nèi)容的主要制造者。當(dāng)用戶在使用微博、電商等平臺(tái)時(shí),會(huì)針對(duì)某事件或某產(chǎn)品發(fā)表自己的看法和觀點(diǎn),產(chǎn)生大量的具有個(gè)人情感色彩的文本信息,如果能夠從這些數(shù)據(jù)中分析出潛在的用戶情感信息,那么將會(huì)具有巨大的科研價(jià)值和實(shí)用價(jià)值。傳統(tǒng)的文本情感分析主要是基于篇章和句子級(jí)別的,對(duì)含有多種情感的單句難以處理,無(wú)法滿足現(xiàn)今信息多元化的趨勢(shì)。針對(duì)情感分析粒度更加細(xì)化的需求,基于目標(biāo)和方面的細(xì)粒度情感分析工作逐漸成為研究熱點(diǎn),該項(xiàng)技術(shù)能夠從多個(gè)維度分析文本數(shù)據(jù),全面挖掘各目標(biāo)和方面情感傾向。本研究針對(duì)文本細(xì)粒度情感的特點(diǎn)進(jìn)行了詳細(xì)分析,從文本的語(yǔ)義特征增強(qiáng)表示和信息交互模式兩個(gè)方面進(jìn)行研究,提出了一種基于自注意力位置信息融合的細(xì)粒度情感分析模型,主要貢獻(xiàn)包含三部分:(1)為了增強(qiáng)情感分析模型對(duì)文本的細(xì)粒度語(yǔ)義表征能力,提出了基于自注意力的位置信息融合(Location Fusion,LF)機(jī)制。首先將方面詞位置信息嵌入Transformer框架的Encoder結(jié)構(gòu)中,然后通過(guò)位置強(qiáng)化...
【文章頁(yè)數(shù)】:56 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 粗粒度情感分析
1.2.2 細(xì)粒度情感分析
1.2.3 存在的問(wèn)題和挑戰(zhàn)
1.3 研究?jī)?nèi)容
1.4 本文的組織結(jié)構(gòu)
第2章 相關(guān)基礎(chǔ)技術(shù)
2.1 文本預(yù)處理技術(shù)
2.2 詞嵌入技術(shù)
2.2.1 word2vec詞嵌入
2.2.2 Glove詞嵌入
2.2.3 ELMO和 BERT
2.3 情感分析中的常用架構(gòu)
2.3.1 支持向量機(jī)模型
2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.3.3 深度記憶網(wǎng)絡(luò)
2.4 注意力機(jī)制
2.4.1 注意力機(jī)制及變體
2.4.2 多頭自注意力機(jī)制
2.4.3 文本的自注意力表示方法
2.5 本章小結(jié)
第3章 基于深度學(xué)習(xí)的細(xì)粒度情感分析模型
3.1 任務(wù)描述和基本思路
3.1.1 任務(wù)定義
3.1.2 基本思路
3.2 基于自注意力位置信息融合的記憶網(wǎng)絡(luò)模型
3.2.1 詞嵌入層
3.2.2 基于位置增強(qiáng)的語(yǔ)義表征層
3.2.3 信息交互層
3.3 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果與分析
4.1 實(shí)驗(yàn)數(shù)據(jù)與參數(shù)設(shè)置
4.1.1 實(shí)驗(yàn)數(shù)據(jù)
4.1.2 超參數(shù)設(shè)置
4.2 實(shí)驗(yàn)評(píng)估指標(biāo)
4.3 實(shí)驗(yàn)對(duì)比與分析
4.3.1 模型對(duì)比實(shí)驗(yàn)
4.3.2 消融實(shí)驗(yàn)及分析
4.3.3 性能評(píng)估及實(shí)例分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝
本文編號(hào):3858876
【文章頁(yè)數(shù)】:56 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 粗粒度情感分析
1.2.2 細(xì)粒度情感分析
1.2.3 存在的問(wèn)題和挑戰(zhàn)
1.3 研究?jī)?nèi)容
1.4 本文的組織結(jié)構(gòu)
第2章 相關(guān)基礎(chǔ)技術(shù)
2.1 文本預(yù)處理技術(shù)
2.2 詞嵌入技術(shù)
2.2.1 word2vec詞嵌入
2.2.2 Glove詞嵌入
2.2.3 ELMO和 BERT
2.3 情感分析中的常用架構(gòu)
2.3.1 支持向量機(jī)模型
2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.3.3 深度記憶網(wǎng)絡(luò)
2.4 注意力機(jī)制
2.4.1 注意力機(jī)制及變體
2.4.2 多頭自注意力機(jī)制
2.4.3 文本的自注意力表示方法
2.5 本章小結(jié)
第3章 基于深度學(xué)習(xí)的細(xì)粒度情感分析模型
3.1 任務(wù)描述和基本思路
3.1.1 任務(wù)定義
3.1.2 基本思路
3.2 基于自注意力位置信息融合的記憶網(wǎng)絡(luò)模型
3.2.1 詞嵌入層
3.2.2 基于位置增強(qiáng)的語(yǔ)義表征層
3.2.3 信息交互層
3.3 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果與分析
4.1 實(shí)驗(yàn)數(shù)據(jù)與參數(shù)設(shè)置
4.1.1 實(shí)驗(yàn)數(shù)據(jù)
4.1.2 超參數(shù)設(shè)置
4.2 實(shí)驗(yàn)評(píng)估指標(biāo)
4.3 實(shí)驗(yàn)對(duì)比與分析
4.3.1 模型對(duì)比實(shí)驗(yàn)
4.3.2 消融實(shí)驗(yàn)及分析
4.3.3 性能評(píng)估及實(shí)例分析
4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝
本文編號(hào):3858876
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3858876.html
最近更新
教材專著