隨著互聯(lián)網(wǎng)的迅速發(fā)展與普及,網(wǎng)絡(luò)上各種評(píng)論文本激增,例如電商平臺(tái)的商品評(píng)論、社交網(wǎng)絡(luò)平臺(tái)的社交評(píng)論、生活服務(wù)平臺(tái)的服務(wù)評(píng)論等。這些評(píng)論文本中大都包含著評(píng)論者對(duì)評(píng)論對(duì)象的情感傾向信息,挖掘其中情感傾向信息對(duì)于個(gè)人、企業(yè)以及社會(huì)都具有重大意義。自然語言處理中的文本情感分析技術(shù)能夠從帶有主觀情感的評(píng)論文本中挖掘出情感傾向信息。傳統(tǒng)基于詞典和機(jī)器學(xué)習(xí)的情感分析方法已經(jīng)無法滿足海量評(píng)論文本情感分析的需求,因此,本文研究的是基于深度學(xué)習(xí)的情感分析方法,研究對(duì)象是商品評(píng)論和電影評(píng)論。首先,針對(duì)中文高質(zhì)量情感分析評(píng)論語料相對(duì)匱乏的問題,使用爬蟲技術(shù)從網(wǎng)絡(luò)上爬取了大量商品評(píng)論和電影評(píng)論,并對(duì)其進(jìn)行情感標(biāo)注、文本清洗、中文分詞等預(yù)處理工作,從而得到本文的評(píng)論文本語料。其次,使用word2vec模型對(duì)預(yù)處理后的評(píng)論文本進(jìn)行文本向量化,并在基本的深度學(xué)習(xí)模型CNN、LSTM、GRU上進(jìn)行情感分析實(shí)驗(yàn)。然后,針對(duì)使用word2vec訓(xùn)練的詞向量僅包含詞的語義信息而缺乏有利于情感分析的情感信息和權(quán)重信息的問題,提出了結(jié)合word2vec、詞典、TF-IDF權(quán)重的詞向量表示方法,并在評(píng)論文本語料上進(jìn)行詞向量對(duì)比實(shí)驗(yàn)... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要內(nèi)容及結(jié)構(gòu)
2 文本情感分析總體設(shè)計(jì)
    2.1 文本情感分析總體流程
    2.2 文本獲取與預(yù)處理
    2.3 實(shí)驗(yàn)環(huán)境與評(píng)價(jià)標(biāo)準(zhǔn)設(shè)定
    2.4 本章小結(jié)
3 文本向量化與基本模型的建立
    3.1 文本向量化
    3.2 基本深度學(xué)習(xí)模型的構(gòu)建
    3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
4 基于word2vec的融合詞向量
    4.1 融合詞向量的構(gòu)建
    4.2 實(shí)驗(yàn)結(jié)果與分析
    4.3 本章小結(jié)
5 基于BiGRU-CNN的情感分析模型
    5.1 BiGRU-CNN模型構(gòu)建
    5.2 實(shí)驗(yàn)結(jié)果與分析
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄
    附錄一 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文



本文編號(hào)：2910119