文本情感分析研究主要有類別型研究和維度型研究,其中維度型研究體現(xiàn)了更加細(xì)粒度的情感信息,連續(xù)型維度表達(dá)可以轉(zhuǎn)換成離散型類別表達(dá)。目前中文維度型語料少,維度型研究預(yù)測結(jié)果準(zhǔn)確性低,因此中文維度型研究較難。在情感分析中,反諷是一種特殊的表達(dá),經(jīng)常使用夸張的語氣詞等來間接表達(dá)與字面意思相反的情感,需要從上下文及語境來了解其用意。反諷語料的結(jié)構(gòu)性特殊,這也給中文反諷程度預(yù)測增加了一些難度。本文針對這些問題,在建立的多維度中文反諷語料庫Va1ence-Arousa1-Irony三維空間中,進(jìn)行中文反諷程度預(yù)測研究。因為深度學(xué)習(xí)方法可以自動提取文本特征,所以我們選擇用深度神經(jīng)網(wǎng)絡(luò)（分別為CNN、LSTM、以及這兩者的組合）對多維度中文反諷語料庫進(jìn)行評估（基準(zhǔn)模型）,對多維度反諷語料庫進(jìn)行建模分析,提出了三種優(yōu)化預(yù)測模型,具體如下:（1）提出了多維度線性調(diào)整反諷預(yù)測模型MDLA。首先建模分析該語料庫的多個情感維度之間的關(guān)系,并可視化VAI回歸關(guān)系。然后依據(jù)其他維度的預(yù)測結(jié)果對單獨預(yù)測結(jié)果進(jìn)行一定的線性調(diào)整,考慮了維度之間的關(guān)系特征。實驗結(jié)果表明該模型預(yù)測效果優(yōu)于基準(zhǔn)模型。（2）提出了多維度特征組合反... 

【文章來源】：福州大學(xué)福建省 211工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－】維度情感的Ｖａｌｅｎｃｅ－Ａｒｏｕｓａｌ表示法??

?４?６??圖２－２?Ｓｉｇｍｏｉｄ函數(shù)的導(dǎo)數(shù)??在輸出層，激活函數(shù)可以使用Ｓｏｆｔｍａｘ來進(jìn)行多分類，用ｌｉｎｅａｒ線性函數(shù)來??預(yù)測連續(xù)數(shù)值。??下面圖２－３是一個輸入：２個感知器，輸出：３個感知器的三層感知器。??１３??

?６??（ｃ）?Ｔａｎｈ??圖２－１常用的激活函數(shù)??Ｓｉｇｍｏｉｄ函數(shù)和ｔａｎｈ函數(shù)計算復(fù)雜，計算量大，且在多層的神經(jīng)網(wǎng)絡(luò)中易出??現(xiàn)梯度消失（ｇｒａｄｉｅｎｔ?ｖａｎｉｓｈｉｎｇ）的情況，這對深層網(wǎng)絡(luò)來說是個很大的問題。Ｒｅｌｕ??函數(shù)簡單便捷，導(dǎo)數(shù)計算量小，而且Ｒｅｌｕ的導(dǎo)數(shù)是１，不會導(dǎo)致梯度變小。當(dāng)然??這只是其中的一部分原因，但總的來說Ｒｅｌｕ比較好，能更深入訓(xùn)練網(wǎng)絡(luò)。??？?ｍ?Ｄｅｒｉｖａｔｉｖｅ?ｏｆ?ｓｉｇｍｏｉｄ?ｆｕｎｃｔｉｏｎ??ＶＡＺ?Ｊ?ｉ?ｉ?ｉ?１?ｌ??０．２０?－?／?＼?－??０．１５?－?／?＼?－??０．１０?－?／?＼?－??０．０５?－?■??０．００?Ｉ?１?１?１?１?＇?？—??一６?－４?－２?０?２?４?６??圖２－２?Ｓｉｇｍｏｉｄ函數(shù)的導(dǎo)數(shù)??在輸出層，激活函數(shù)可以使用Ｓｏｆｔｍａｘ來進(jìn)行多分類，用ｌｉｎｅａｒ線性函數(shù)來??預(yù)測連續(xù)數(shù)值。??下面圖２－３是一個輸入：２個感知器，輸出：３個感知器的三層感知器。??１３??


本文編號：3347724