隨著社交網(wǎng)絡(luò)、電子商務(wù)以及互聯(lián)網(wǎng)+技術(shù)的迅速發(fā)展,對產(chǎn)品評價、新聞輿論等帶有感情色彩的主觀性文本進(jìn)行情感極性分析,有助于了解用戶態(tài)度傾向;在商業(yè)領(lǐng)域,可用于分析商品被用戶認(rèn)可度,為商品推薦、信息推送等提供基礎(chǔ);在社交新聞領(lǐng)域,可用于輿論分析,為輿情監(jiān)控、信息預(yù)測等提供基礎(chǔ)。因而,文本情感極性分析的研究越來越被關(guān)注,成為自然語言處理、人工智能等領(lǐng)域的熱門課題。由于目前網(wǎng)絡(luò)中的評論語料涉及的領(lǐng)域和范圍廣泛,手工標(biāo)定足夠的樣本為每一個領(lǐng)域建立一個情感分類器是非常困難的;加之不同領(lǐng)域評價用語等的差異性以及實際應(yīng)用中存在應(yīng)用場景的差異性,易造成領(lǐng)域間樣本數(shù)據(jù)的分布差異,在某個具有良好數(shù)據(jù)標(biāo)定的領(lǐng)域訓(xùn)練好的模型很難直接應(yīng)用到其他領(lǐng)域中,獲得理想的分類效果。因此,跨領(lǐng)域情感分類問題的研究,特別是基于遷移學(xué)習(xí)技術(shù)實現(xiàn)跨領(lǐng)域情感分類器的研究,因其為領(lǐng)域間的知識遷移提供了解決方案,提高了情感分類器的準(zhǔn)確性和普適性,成為了自然語言處理領(lǐng)域重要的研究課題,具有重要的應(yīng)用和研究價值。為了提高跨領(lǐng)域情感分類的準(zhǔn)確率,本文主要通過基于特征對齊的領(lǐng)域自適應(yīng)方法,采用特征映射函數(shù)分別將不同領(lǐng)域的樣本數(shù)據(jù)映射到相同的特征... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：109 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與研究意義
        1.1.1 文本情感分類的研究背景及意義
        1.1.2 遷移學(xué)習(xí)的研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 單領(lǐng)域情感分類的研究現(xiàn)狀
        1.2.2 跨領(lǐng)域情感分類的研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容和內(nèi)容安排
    1.4 論文的章節(jié)安排
第2章 基于遷移學(xué)習(xí)的跨領(lǐng)域文本情感分類算法的相關(guān)理論和技術(shù)概述
    2.1 引言
    2.2 遷移學(xué)習(xí)概述
        2.2.1 遷移學(xué)習(xí)的問題范式
        2.2.2 遷移學(xué)習(xí)的方法分類
    2.3 基于遷移學(xué)習(xí)的跨領(lǐng)域文本情感分類
    2.4 文本表示模型
        2.4.1 文本數(shù)據(jù)預(yù)處理
        2.4.2 文本特征選擇
        2.4.3 文本向量化表示模型
    2.5 基于淺層神經(jīng)網(wǎng)絡(luò)的跨領(lǐng)域情感分類研究方法
        2.5.1 特征對齊技術(shù)
        2.5.2 淺層神經(jīng)網(wǎng)絡(luò)模型
    2.6 基于深度神經(jīng)網(wǎng)絡(luò)的跨領(lǐng)域情感分類技術(shù)
    2.7 本章小結(jié)
第3章 多視角特征共享的領(lǐng)域空間對齊跨領(lǐng)域情感分類
    3.1 引言
    3.2 總體架構(gòu)
    3.3 領(lǐng)域間無歧義共享特征集合的構(gòu)建
        3.3.1 無極性分歧的情感詞集合的構(gòu)建
        3.3.2 領(lǐng)域間無歧義共享特征集合的構(gòu)建
    3.4 領(lǐng)域間專有特征詞對的提取
        3.4.1 基于語法規(guī)則進(jìn)行情感詞對提取
        3.4.2 基于關(guān)聯(lián)規(guī)則進(jìn)行特征詞對提取
    3.5 領(lǐng)域間統(tǒng)一特征空間的構(gòu)建和分類模型的訓(xùn)練
    3.6 實驗結(jié)果與分析
        3.6.1 數(shù)據(jù)集概述和預(yù)處理
        3.6.2 實驗設(shè)計和結(jié)果分析
        3.6.3 參數(shù)分析
    3.7 本章小結(jié)
第4章 基于領(lǐng)域不變特征的無監(jiān)督領(lǐng)域?qū)棺赃m應(yīng)深度神經(jīng)網(wǎng)絡(luò)
    4.1 引言
    4.2 算法的設(shè)計思想
    4.3 算法的網(wǎng)絡(luò)結(jié)構(gòu)框架
    4.4 算法設(shè)計及優(yōu)化計算方法
        4.4.1 理論分析
        4.4.2 算法的設(shè)計與優(yōu)化
    4.5 實驗結(jié)果與分析
        4.5.1 數(shù)據(jù)集概述和實驗設(shè)計
        4.5.2 實驗結(jié)果和分析
        4.5.3 參數(shù)分析和特征可視化
    4.6 本章小結(jié)
第5章 領(lǐng)域?qū)棺赃m應(yīng)神經(jīng)網(wǎng)絡(luò)在跨領(lǐng)域文本情感分類上的應(yīng)用
    5.1 引言
    5.2 領(lǐng)域?qū)棺赃m應(yīng)網(wǎng)絡(luò)在跨領(lǐng)域文本情感分類問題上的結(jié)構(gòu)框架
        5.2.1 特征提取模塊
        5.2.2 網(wǎng)絡(luò)結(jié)構(gòu)框架
    5.3 實驗結(jié)果與分析
        5.3.1 數(shù)據(jù)集概述與實驗設(shè)計
        5.3.2 實驗結(jié)果與分析
    5.4 本章小結(jié)
總結(jié)與展望
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


【參考文獻(xiàn)】：
期刊論文
[1]基于語義極性分析的餐館評論挖掘[J]. 潘宇,林鴻飛.  計算機工程. 2008(17)
[2]基于HowNet的詞匯語義傾向計算[J]. 朱嫣嵐,閔錦,周雅倩,黃萱菁,吳立德.  中文信息學(xué)報. 2006(01)
[3]情感詞匯本體的構(gòu)造[J]. 徐琳宏,林鴻飛,潘宇,任惠,陳建美.  情報學(xué)報. 2008 (02)



本文編號：2923149