發(fā)布時間：2022-07-14 14:00

　　隨著互聯(lián)網(wǎng)在電子商務行業(yè)的全面覆蓋,各種商業(yè)服務平臺快速發(fā)展,承載了多種類型的數(shù)據(jù)信息。與視聽多媒體數(shù)據(jù)相比,因特網(wǎng)中的文字數(shù)據(jù)消耗資源較少,很容易進行網(wǎng)上傳輸,因此文字信息是使用最為廣泛的表達形式。自然語言處理中的文本情感分析正是研究如何從文字中找到有用的信息內(nèi)容。由于計算能力和優(yōu)化算法的限制,目前常用的情感分析算法存在參數(shù)較多、只針對特定數(shù)據(jù)集效果好及實時性無法滿足實際應用需要的問題。本文以電商平臺在線評論文本數(shù)據(jù)為研究對象,選擇BiLSTM算法作為基礎算法并融合注意力機制和詞性,從大量的評論數(shù)據(jù)樣本中主動學習文本中的語義信息并獲得文本的特征與情感分類結(jié)果,達到精準提取文本數(shù)據(jù)中情感的目的。本文將深度學習模型與知識蒸餾方法相結(jié)合,實現(xiàn)情感分析模型的精確化和輕量化,優(yōu)化模型性能。根據(jù)設計的分類模型研究了基于深度神經(jīng)網(wǎng)絡的商品評論情感分析系統(tǒng),系統(tǒng)可以根據(jù)用戶的操作自動預測文字內(nèi)容所表達的情緒狀態(tài),從而幫助人們挖掘文本信息,做出正確的判斷。本文主要工作總結(jié)如下:（1）基于深度學習的商品評論情感分析算法的研究與改進。本文以BiLSTM算法為切入點,設計pos-BiLSTM-Att優(yōu)化算法... 

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
        1.2.1 文本表示學習
        1.2.2 情感詞典的文本情感分析方法
        1.2.3 機器學習的文本情感分析方法
        1.2.4 深度學習的文本情感分析方法
    1.3 本文主要內(nèi)容及章節(jié)安排
        1.3.1 主要內(nèi)容
        1.3.2 章節(jié)安排
2 基礎理論與關鍵技術分析
    2.1 語言模型框架
        2.1.1 Word2vec模型
        2.1.2 BERT模型
    2.2 深度學習相關理論研究
        2.2.1 激活函數(shù)
        2.2.2 LSTM模型與BiLSTM模型
        2.2.3 注意力機制
        2.2.4 知識蒸餾
    2.3 本章小結(jié)
3 基于注意力和詞性的BiLSTM情感分析模型研究
    3.1 文本情感分析常用算法研究
        3.1.1 卷積神經(jīng)網(wǎng)絡分析
        3.1.2 BiLSTM模型分析
    3.2 常用情感分析算法存在問題及優(yōu)化算法設計
    3.3 結(jié)合注意力和詞性的BiLSTM模型設計
        3.3.1 文本預處理
        3.3.2 模型整體框架
        3.3.3 實驗設置
        3.3.4 實驗結(jié)果與分析
    3.4 本章小結(jié)
4 基于知識蒸餾的情感分析模型研究
    4.1 模型壓縮方法分析
    4.2 知識蒸餾
        4.2.1 教師模型分析與設計
        4.2.2 知識蒸餾步驟
        4.2.3 ALBERT-FN模型設置
        4.2.4 pos-BiLSTM-Att模型設置
    4.3 實驗結(jié)果與分析
        4.3.1 實驗設置
        4.3.2 實驗結(jié)果分析
    4.4 本章小結(jié)
5 商品情感分析系統(tǒng)的設計與實現(xiàn)
    5.1 系統(tǒng)需求分析
    5.2 系統(tǒng)總體方案研究與模塊設計
    5.3 系統(tǒng)框架設計與工作流程
        5.3.1 系統(tǒng)框架設計
        5.3.2 系統(tǒng)工作流程
        5.3.3 數(shù)據(jù)庫設計
    5.4 開發(fā)環(huán)境搭建與功能實現(xiàn)
        5.4.1 開發(fā)環(huán)境搭建
        5.4.2 功能實現(xiàn)
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
致謝
參考文獻
攻讀碩士學位期間取得的成果



本文編號：3661262