發(fā)布時(shí)間：2021-12-21 21:03

　　文本情感分類（sentiment classification）是信息檢索與數(shù)據(jù)挖掘領(lǐng)域的一項(xiàng)重要研究課題,其目標(biāo)旨在發(fā)現(xiàn)主觀性文檔中表達(dá)的態(tài)度和情感傾向性,具有極高的研究與應(yīng)用價(jià)值,所以在近年來得到了專家學(xué)者的廣泛關(guān)注并取得了快速發(fā)展。迄今為止,研究人員已經(jīng)提出了許多種實(shí)用有效的文本情感分類算法。其中,基于深度學(xué)習(xí)模型的分類方法因其強(qiáng)大的特征學(xué)習(xí)能力,逐漸成為解決文本情感分類問題的一種重要方法。但是,現(xiàn)有研究中的深度學(xué)習(xí)模型不僅忽略了對已有情感資源和特征的有效利用,而且也忽視了文本數(shù)據(jù)中潛在的序列特征,致使深度學(xué)習(xí)模型的分類性能仍有較大的提升空間。為此,本文開展了以下兩個(gè)方面的研究工作:（1）針對現(xiàn)有深度學(xué)習(xí)方法在文本情感分類任務(wù)中特征提取能力方面的不足,提出了一種基于擴(kuò)展特征和動態(tài)池化的雙通道卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）的文本情感分類算法。首先,將情感詞、詞性、程度副詞、否定詞和標(biāo)點(diǎn)符號等多種能夠影響文本情感傾向的詞語特征相結(jié)合形成一個(gè)擴(kuò)展文本特征。然后,把詞向量特征與擴(kuò)展文本特征分別作為卷積神經(jīng)網(wǎng)絡(luò)的兩個(gè)輸入通道,采用一種新的動... 

【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)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第2章 相關(guān)知識介紹
    2.1 文本情感分類的概述
    2.2 基于情感知識的方法
        2.2.1 分詞工具
        2.2.2 情感詞典資源
    2.3 基于情感特征的方法
        2.3.1 文本預(yù)處理
        2.3.2 特征選擇
        2.3.3 典型的文本情感分類方法
    2.4 深度學(xué)習(xí)相關(guān)算法
        2.4.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.4.3 LSTM神經(jīng)網(wǎng)絡(luò)
        2.4.4 遞歸神經(jīng)網(wǎng)絡(luò)
        2.4.5 注意力機(jī)制
    2.5 文本情感分類的評價(jià)指標(biāo)
    2.6 本章小結(jié)
第3章 基于雙通道卷積神經(jīng)網(wǎng)絡(luò)的文本情感分類算法
    3.1 算法思想和框架
    3.2 算法描述
        3.2.1 擴(kuò)展特征
        3.2.2 動態(tài)k-max池化
        3.2.3 算法描述與分析
    3.3 實(shí)驗(yàn)與分析
        3.3.1 數(shù)據(jù)集與評價(jià)標(biāo)準(zhǔn)
        3.3.2 超參數(shù)設(shè)置
        3.3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 基于LSTM神經(jīng)網(wǎng)絡(luò)與注意力機(jī)制的文本情感分類算法
    4.1 基本思想
    4.2 基于長短期記憶神經(jīng)網(wǎng)絡(luò)與注意力機(jī)制的文本情感分類模型
    4.3 算法描述
    4.4 實(shí)驗(yàn)與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)與評價(jià)標(biāo)準(zhǔn)
        4.4.2 超參數(shù)設(shè)置
        4.4.3 LSTM神經(jīng)網(wǎng)絡(luò)提取序列特征的效果實(shí)驗(yàn)
        4.4.4 引入注意力機(jī)制的分類效果實(shí)驗(yàn)
        4.4.5 與多種經(jīng)典算法的比較
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間所取得的主要科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(01)
[2]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計(jì)算機(jī)研究與發(fā)展. 2013(09)
[3]基于情感關(guān)鍵句抽取的情感分類研究[J]. 林政,譚松波,程學(xué)旗.  計(jì)算機(jī)研究與發(fā)展. 2012(11)
[4]基于句法路徑的情感評價(jià)單元識別[J]. 趙妍妍,秦兵,車萬翔,劉挺.  軟件學(xué)報(bào). 2011(05)
[5]文本情感分析[J]. 趙妍妍,秦兵,劉挺.  軟件學(xué)報(bào). 2010(08)



本文編號：3545174