在各種自然語言處理(NLP)任務(wù)中,文本情感分析是其中一個重要的挑戰(zhàn)任務(wù)和飛速發(fā)展的研究領(lǐng)域。文本情感分析通過一系列方法對主觀性文本中的情感成分進(jìn)行分析、處理、歸納和推理。目前面向中文的文本情感分析方法主要分為基于情感詞典的方法和基于機(jī)器學(xué)習(xí)的方法�；谇楦性~典的方法是利用知識庫和語料庫,通過不同詞語之間的詞義關(guān)系構(gòu)建具有褒貶義情感傾向的情感詞典。這種方法將詞語進(jìn)行二元(褒義、貶義)或三元(褒義、貶義和中性)劃分,構(gòu)建成的詞典在情感強(qiáng)度細(xì)分任務(wù)上表現(xiàn)粗糙,強(qiáng)度極值差異化程度較大,無法進(jìn)行細(xì)粒度的情感分析。基于機(jī)器學(xué)習(xí)的情感分析方法通常使用神經(jīng)網(wǎng)絡(luò)模型將詞語轉(zhuǎn)換為有意義的分布式詞向量,通過預(yù)訓(xùn)練好的詞向量(如,Word2vec和GloVe),計算詞語間的余弦相似度進(jìn)行文本情感分析。然而,現(xiàn)有的基于上下文的詞向量訓(xùn)練方法,可能導(dǎo)致具有相反情感極性的詞語具有相似的向量空間表示(例如“溫柔”和“刁蠻”的余弦相似度為0.670398235),導(dǎo)致情感分析性能降低。本文將情感詞典與詞向量空間模型相結(jié)合,提出一個基于情感詞強(qiáng)度極值的情感嵌入模型。從情感詞典出發(fā),將情感詞典與詞向量空間余弦相似度結(jié)合,...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 情感分析
        1.3.2 情感詞典國內(nèi)外研究現(xiàn)狀
        1.3.3 詞向量國內(nèi)外研究現(xiàn)狀
    1.4 本文主要研究內(nèi)容
    1.5 論文的組織結(jié)構(gòu)
第2章 相關(guān)知識
    2.1 情感詞典
        2.1.1 情感詞典的構(gòu)造方法
        2.1.2 基于情感詞典的情感分析方法
    2.2 詞向量
        2.2.1 神經(jīng)網(wǎng)絡(luò)語言模型
        2.2.2 分布式詞向量預(yù)訓(xùn)練及優(yōu)化方法
    2.3 本章小結(jié)
第3章 基于情感詞強(qiáng)度極值的情感嵌入模型
    3.1 基于KNN思想的情感詞強(qiáng)度極值計算方法
        3.1.1 方法設(shè)計
        3.1.2 計算過程
        3.1.3 驗證方法
    3.2 基于情感詞強(qiáng)度極值的情感嵌入模型
        3.2.1 模型設(shè)計
        3.2.2 參數(shù)設(shè)定
        3.2.3 驗證方式
    3.3 本章小結(jié)
第4章 實驗及結(jié)果分析
    4.1 實驗配置
        4.1.1 運行環(huán)境
        4.1.2 實驗數(shù)據(jù)
    4.2 評價指標(biāo)
    4.3 實驗步驟
    4.4 實驗結(jié)果和分析
        4.4.1 情感詞強(qiáng)度極值細(xì)化結(jié)果和分析
        4.4.2 情感嵌入模型結(jié)果和分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝



本文編號：3966741