【摘要】：近年來,隨著移動互聯(lián)網(wǎng)和電子商務(wù)的快速發(fā)展,越來越多的人熱衷于網(wǎng)上購物,并在互聯(lián)網(wǎng)上發(fā)表自己對商品以及服務(wù)的看法。在購物平臺中,分析這些評論一方面能夠幫助商家及時掌握商品的優(yōu)缺點、改進商品質(zhì)量,對滿足消費者需求,提高業(yè)務(wù)規(guī)模有很大幫助。另一方面也為消費者全面了解商品信息提供參考。因此,如何利用現(xiàn)有的自然語言處理技術(shù)來處理和分析這些文本的情感傾向,已經(jīng)成為很多研究人員關(guān)注的熱點領(lǐng)域之一。傳統(tǒng)的情感分析方法依賴龐大的情感詞典和復(fù)雜的特征提取工程。如果情感詞典不完善,評論中的情感詞沒有出現(xiàn)在情感詞典中,就無法判斷評論的情感傾向性,并且隨著文本數(shù)據(jù)規(guī)模的不斷擴大,人工標(biāo)注數(shù)據(jù)需要過多的人力物力,還需要有一定的領(lǐng)域知識,從而限制了這些方法的發(fā)展。本文結(jié)合深度學(xué)習(xí)理論和自然語言處理技術(shù),在基于卷積神經(jīng)網(wǎng)絡(luò)的文本分類方法的基礎(chǔ)上,從句子結(jié)構(gòu)和詞向量出發(fā),設(shè)計了一種基于特征融合的分段卷積神經(jīng)網(wǎng)絡(luò)文本情感分析模型,此模型能夠分段提取句子的主要特征;并利用詞性特征與詞向量融合的方法,解決詞向量無法區(qū)分同義詞的問題。實驗結(jié)果表明,與傳統(tǒng)的文本卷積神經(jīng)網(wǎng)絡(luò)相比,本文提出的方法在情感分析任務(wù)上,精確率和召回率等指標(biāo)都有顯著提升。最后本文基于以上的算法,實現(xiàn)了一個商品評論的情感傾向性分析測試系統(tǒng)。
【圖文】：

圖 2.4 神經(jīng)元的稀疏連接數(shù)共享統(tǒng)的神經(jīng)網(wǎng)絡(luò)中，，每一層計算輸出時，每一個神經(jīng)元的權(quán)重參數(shù)只使用一網(wǎng)絡(luò)中，卷積層利用卷積核提取輸入層的局部特征，卷積核會依次遍歷整個個卷積核來說，在依次提取局部特征時，卷積核的參數(shù)是不變的。這樣大與輸入層之間的參數(shù)數(shù)量，從而提升了模型的訓(xùn)練效率。環(huán)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)與其他的人工神經(jīng)網(wǎng)絡(luò)不同[26]，在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型中，層與接，彼此獨立。而循環(huán)神經(jīng)網(wǎng)絡(luò)模型隱藏層之間的神經(jīng)元是有連接的，上作為下一個神經(jīng)元的部分輸入。就這樣之前神經(jīng)元的信息可以一個接一個的神經(jīng)網(wǎng)絡(luò)能夠記住之前的信息，擁有記憶功能，天然的被用來處理文本序列

大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文 第二章 情感分析相關(guān)技術(shù)理論經(jīng)網(wǎng)絡(luò)的研究重點。它能夠解決大量樣本只有少量標(biāo)注的訓(xùn)練問題，因此，對價和提升神經(jīng)網(wǎng)絡(luò)性能具有重要的意義。的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法是誤差逆?zhèn)鞑ニ惴╗34]，同時誤差逆?zhèn)鞑ニ惴ㄒ彩亲畛晒Φ膹V泛的應(yīng)用于深度學(xué)習(xí)領(lǐng)域。逆?zhèn)鞑ニ惴ㄖ饕譃檎騻鞑ズ头聪騻鞑蓚�部分。在正向傳播中，文本數(shù)據(jù)入神經(jīng)網(wǎng)絡(luò)，通過隱藏層進行非線性的轉(zhuǎn)換，再將結(jié)果傳入輸出層。如果輸出和實際樣本數(shù)據(jù)的結(jié)果有誤差，神經(jīng)網(wǎng)絡(luò)則開始進入反向傳播的狀態(tài)。反向傳播過隱藏層一層一層的反傳，逐層求出各個神經(jīng)元權(quán)值的偏導(dǎo)數(shù)，通過這個偏導(dǎo)。神經(jīng)網(wǎng)絡(luò)就是通過這樣的方式不斷地訓(xùn)練參數(shù)，直到誤差達到期望值或者訓(xùn)的次數(shù)。逆?zhèn)鞑ニ惴ǖ木唧w過程如圖 2.7：
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.1;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡(luò)拐點預(yù)測法[J];金融經(jīng)濟;2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會述評[J];國際學(xué)術(shù)動態(tài);1996年01期

3 王方;苗放;陳墾;;基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害監(jiān)測預(yù)警仿真[J];計算機仿真;2019年11期

4 馬猛;王明紅;;基于進化神經(jīng)網(wǎng)絡(luò)的304不銹鋼車削加工表面粗糙度預(yù)測[J];輕工機械;2019年06期

5 莊連生;呂揚;楊健;李厚強;;時頻聯(lián)合長時循環(huán)神經(jīng)網(wǎng)絡(luò)[J];計算機研究與發(fā)展;2019年12期

6 李杰;孫仁誠;;幾種典型卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重分析與研究[J];青島大學(xué)學(xué)報(自然科學(xué)版);2019年04期

7 岳新;杜玉紅;蔡文超;;基于GA-BP神經(jīng)網(wǎng)絡(luò)異纖分揀機檢測參數(shù)優(yōu)化[J];棉紡織技術(shù);2020年01期

8 趙偉榮;李慧;;基于集成神經(jīng)網(wǎng)絡(luò)的織物主觀風(fēng)格預(yù)測研究[J];紡織科技進展;2020年01期

9 李金堂;;試析神經(jīng)網(wǎng)絡(luò)技術(shù)在機械工程中的應(yīng)用及發(fā)展[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2020年02期

10 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識別[J];通訊世界;2018年12期

相關(guān)會議論文 前10條

1 孫軍田;張U

本文編號：2589641