商品評(píng)論的情感走向,直接反映了商品在市場(chǎng)中受歡迎的程度,情感分析可以為公司銷售等方面提供了可靠的分析數(shù)據(jù)。文字表達(dá)方式的復(fù)雜性導(dǎo)致傳統(tǒng)機(jī)器學(xué)習(xí)在文本情感領(lǐng)域的特征提取效果并不盡如人意,需要更優(yōu)秀的模型來提升性能。論文完成的主要工作如下:1.對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,將漢字符號(hào)數(shù)字信息化,通過基于多語義的詞訓(xùn)練方法修正一詞多義的問題�；赥F-IDF方法提取主題詞為子任務(wù)提供輸入支持。經(jīng)過實(shí)驗(yàn)證明該方法可以有效數(shù)字化文本信息。2.本文提出了多級(jí)Attention機(jī)制模型,在模型中主要針對(duì)文字級(jí)的Attention層,句子級(jí)Attention以及段落級(jí)的Attention層進(jìn)行特征提取。實(shí)驗(yàn)結(jié)果表明模型有效提升了情感分類的準(zhǔn)確度。3.模型學(xué)習(xí)很容易進(jìn)入局部最優(yōu)并且在大型語料庫中模型訓(xùn)練速度很慢。為了解決這些問題,采用基于Fine-tuning的遷移機(jī)制。將已訓(xùn)練成熟的模型參數(shù)遷移到本次模型中進(jìn)行迭代訓(xùn)練,并基于STLR算法對(duì)學(xué)習(xí)率算法進(jìn)行改進(jìn),使模型能夠快速收斂。4.評(píng)論文本存在重點(diǎn)信息多,表達(dá)方式復(fù)雜等特性。本文為此搭建了基于Sluice的參數(shù)共享網(wǎng)絡(luò),進(jìn)行多任務(wù)特征共享,首先在不同數(shù)據(jù)集上構(gòu)建... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

--3入庫后數(shù)據(jù)

第三章數(shù)據(jù)預(yù)處理模塊???“態(tài)度，，（１．３１１２３３３，１．６９４９３８３，０．７０５２２４７，?（１．０９４３０２５，－〇．?１７８３５８４２，?－１．８４８６??０．６８７８６４５，?－１．０７３３１４５，?０．０８９５０２８，?１８３，?４．３６０２０３，?－０．６９１８１４９，?０．４９４８７２３３，??１．６８９９８１，?－１．６９９９８２４，?－３．?５９６５５１２，??１．８０９２３０６，－１．２６２９５４１，?－１．７９４６６３５，?－６?１４４８７３６）??－０．?２１４３７３２２）??ｓｉｍｉｌａｒ?ｖｏｃａｂｕｌａｒ

?１６??ｘ??圖３－４?Ｗｏｒｄ２ｖｅｃ相似詞聚類圖??＿?ＭＰ?ｓｉｍｉｌａｒ??卜?，ｚ：ｉ??ｕ?，好看?Ｉ??１〇?，’?．??不？錯(cuò)兩？思?？，??ｗ評(píng)為??６?？？？，？?廢?＃為＿??６?？不？氣〒??４?Ｚ?Ｖ?ｆ??２?／?Ｉ??乂：?，＊??°０?２?４?６?８?１０?１２?１４?１６??ｘ??圖３－５?ＭＰｗｏｒｄｖｅｃ相似詞聚類圖??對(duì)中文詞匯向量進(jìn)行多語義訓(xùn)練，在極性維度上會(huì)有更好的緊密型的向量關(guān)??系。通過Ｗ〇ｒｄ２ｖｅＣ訓(xùn)練出來的向量可以獲取到相似詞列表

【參考文獻(xiàn)】：
期刊論文
[1]基于Bi-LSTM和CRF的中文網(wǎng)購評(píng)論中商品屬性提取[J]. 張?jiān)娏?  計(jì)算機(jī)與現(xiàn)代化. 2019(02)
[2]基于word2vec和雙向LSTM的情感分類深度模型[J]. 黃賢英,劉廣峰,劉小洋,陽安志.  計(jì)算機(jī)應(yīng)用研究. 2019(12)
[3]情感分析中的方面提取綜述[J]. 陳蘋,馮林.  計(jì)算機(jī)應(yīng)用. 2018(S2)
[4]基于詞向量Doc2vec的雙向LSTM情感分析[J]. 張俊飛,畢志升,吳小玲.  計(jì)算機(jī)與數(shù)字工程. 2018(12)
[5]基于L-STM模型的中文情感分類[J]. 王景中,龐丹丹.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(11)
[6]基于深度學(xué)習(xí)的專利分類方法[J]. 馬建紅,王瑞楊,姚爽,劉雙耀.  計(jì)算機(jī)工程. 2018(10)
[7]電商評(píng)論中細(xì)粒度主題情感混合模型建構(gòu)[J]. 張帆.  商業(yè)經(jīng)濟(jì)研究. 2017(24)
[8]記憶神經(jīng)網(wǎng)絡(luò)的研究與發(fā)展[J]. 梁天新,楊小平,王良,張永俊,朱艷麗,許翠.  軟件學(xué)報(bào). 2017(11)
[9]基于語義相似度的情感特征向量提取方法[J]. 林江豪,周詠梅,陽愛民,陳錦.  計(jì)算機(jī)科學(xué). 2017(10)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的中文微博情感分類[J]. 馮多,林政,付鵬,王偉平.  計(jì)算機(jī)應(yīng)用與軟件. 2017(04)

博士論文
[1]基于機(jī)器學(xué)習(xí)的文本情感分類研究[D]. 張慶慶.西北工業(yè)大學(xué) 2016

碩士論文
[1]基于CNN和LSTM的視頻語義分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 竇敏.南京郵電大學(xué) 2018
[2]情感語境中的微博輿情分析研究[D]. 王倩.南京郵電大學(xué) 2018
[3]基于生成對(duì)抗網(wǎng)絡(luò)的遷移學(xué)習(xí)算法研究[D]. 臧文華.電子科技大學(xué) 2018
[4]基于深度學(xué)習(xí)的人群流量統(tǒng)計(jì)系統(tǒng)研究[D]. 萬全.北京郵電大學(xué) 2018
[5]基于神經(jīng)網(wǎng)絡(luò)模型的文本情感分析系統(tǒng)的研究與實(shí)現(xiàn)[D]. 郭豪.北京郵電大學(xué) 2018
[6]面向網(wǎng)上商城購物評(píng)論的情感傾向分析研究[D]. 吳瀟.南京郵電大學(xué) 2017



本文編號(hào)：3485694