文本情感分類是自然語(yǔ)言研究領(lǐng)域中的重要課題,目前對(duì)于文本情感分類研究多是基于情感詞典和機(jī)器學(xué)習(xí)方法的,但它們?cè)谕瓿汕楦蟹诸惾蝿?wù)時(shí)割裂了文本中各詞語(yǔ)間的關(guān)系,忽略了詞語(yǔ)在上下文中的含義,無(wú)法捕捉到文本的深層語(yǔ)義信息,對(duì)于表達(dá)不規(guī)范的網(wǎng)絡(luò)短文本的情感分析準(zhǔn)確性更是有待提高。近年來(lái),基于深度學(xué)習(xí)方法的研究日益加深,各學(xué)者也通過(guò)使用深度學(xué)習(xí)技術(shù)在自然語(yǔ)言研究領(lǐng)域中取得了眾多突破。因此,本文提出使用深度學(xué)習(xí)方法對(duì)網(wǎng)絡(luò)平臺(tái)上的中文短文本進(jìn)行情感類別判定,主要研究工作如下:(1)針對(duì)帶有情感類別標(biāo)注的中文數(shù)據(jù)集較少問(wèn)題,本文采用編寫爬蟲程序的方式從京東商城官網(wǎng)上共爬取了 25000條評(píng)論文本,同時(shí)也利用word2vec工具在中文公共語(yǔ)料庫(kù)的基礎(chǔ)上訓(xùn)練出各詞語(yǔ)的語(yǔ)義向量以解決情感分類實(shí)驗(yàn)時(shí)如何將文本數(shù)據(jù)數(shù)值化的問(wèn)題。(2)針對(duì)文本表示問(wèn)題,本文分別使用以tf-idf來(lái)表示特征權(quán)重的向量空間模型和word2vec訓(xùn)練的詞向量模型來(lái)構(gòu)造傳統(tǒng)機(jī)器學(xué)習(xí)模型實(shí)驗(yàn)時(shí)的文本數(shù)據(jù),通過(guò)分析實(shí)驗(yàn)結(jié)果發(fā)現(xiàn),考慮了上下文含義的word2vec詞向量更能讓模型學(xué)習(xí)到文本中的情感信息,使其分類性能得以提升。但是提升程度有限,始...

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．４支持向最和間隔??

要找到滿足式子２－?（１３）的最�。鳎玻涂梢垣@得最優(yōu)超面。用公式表示的ＳＶＭ如式??２－?（１５）所示。??ｍｉｎ?丄?｜｜ｖｖ｜丨２??．?２２－?（１５）??ｓＪ．ｙ：?ｉ＾ｖ＇ｘ：?＋?Ａ?ｊ?＞?１，／?＝??以上計(jì)算都是基于數(shù)據(jù)樣本是線性可分情況下的，對(duì)于非線....

圖２．５?ＫＮＮ分類示意圖??

?浙江理工大學(xué)碩士學(xué)位論文???公式２－?（１６）分別進(jìn)行汁算：??ｎ??１Ｌｘｊｘｘｕ??４）二．７－１?２－?（１６）??Ｖ?Ｍ?ｙ＝ｉ??根據(jù)式子２－?（１６）計(jì)算的結(jié)果，從中選取最為相似的Ｋ個(gè)文本并根倨式ｒ?２－?（１７）分別計(jì)??算出這ｋ個(gè)文本屬ｒ類別＆的權(quán)？值，ｍ后將....

圖２．６生物神經(jīng)元結(jié)構(gòu)??

?浙江理工大學(xué)碩士學(xué)位論文???為了更好的了解其原理，將先介紹人工祌經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)。??（１）人工神經(jīng)網(wǎng)絡(luò)??人工祌經(jīng)網(wǎng)絡(luò)（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ）簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)，足一種模擬生物神??經(jīng)網(wǎng)絡(luò)信息處理機(jī)制的數(shù)學(xué)模型，由不同的神經(jīng)元（或者稱為節(jié)....

圖２．７人工神經(jīng)元結(jié)構(gòu)??

?浙江理工大學(xué)碩士學(xué)位論文???為了更好的了解其原理，將先介紹人工祌經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)。??（１）人工神經(jīng)網(wǎng)絡(luò)??人工祌經(jīng)網(wǎng)絡(luò)（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ）簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)，足一種模擬生物神??經(jīng)網(wǎng)絡(luò)信息處理機(jī)制的數(shù)學(xué)模型，由不同的神經(jīng)元（或者稱為節(jié)....

本文編號(hào)：3997907