發(fā)布時間：2021-02-10 06:27

　　日常生活中,人們會將海量的評論信息通過多種手段發(fā)布到各個社交網(wǎng)站和購物網(wǎng)站中,表達(dá)個人積極或者消極,支持或者反對的情緒。情感分析（Sentiment Analysis,SA）運(yùn)用計算機(jī)技術(shù),幫助用戶以更快的速度挖掘、整理以及分析這類評論信息。方面級情感分析（Aspect-Based Sentiment Analysis,ABSA）是情感分析的一種,其提取針對實(shí)體的各個方面發(fā)表的意見,是一種細(xì)化的情感分析模型,方面級情感分析的重要步驟之一是方面提取。本文基于產(chǎn)品評論數(shù)據(jù),研究了基于遷移學(xué)習(xí)的方面提取算法。主要研究內(nèi)容包括以下幾點(diǎn):（1）提出一種方面提取的遷移學(xué)習(xí)算法（Transfer Learning Algorithms for Aspect Extraction,TLAE）。此算法將標(biāo)簽傳播算法（Label Propagation Algorithm,LPA）思想與遷移學(xué)習(xí)框架相結(jié)合。第一步,句法分析。對原始評論數(shù)據(jù)進(jìn)行句法分析,提取出所有領(lǐng)域文本評論數(shù)據(jù)的語言特征,實(shí)現(xiàn)原始特征空間從高維降到低維;第二步,構(gòu)建跨域數(shù)據(jù)表示圖。圖節(jié)點(diǎn)包括源領(lǐng)域數(shù)據(jù)的方面標(biāo)簽、目標(biāo)域數(shù)據(jù)的方面候選標(biāo)簽和... 

【文章來源】：西北師范大學(xué)甘肅省

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同算法對英文數(shù)據(jù)的F1值描述

西北師范大學(xué)碩士學(xué)位論文28圖3-6不同算法對英文數(shù)據(jù)的F1值描述圖3-7不同算法對中文數(shù)據(jù)的F1值描述圖3-7列出了各類算法在6組中文數(shù)據(jù)集上的F1值，從圖中可以看出，當(dāng)目標(biāo)域數(shù)據(jù)集為“相機(jī)1”和“相機(jī)2”時，算法TCBHN取得了最好的分類效果，TLAE算法分類效果居中；當(dāng)目標(biāo)域數(shù)據(jù)集為“手機(jī)”和“平板”時，算法MLP取得了最好的分類效果，TLAE算法相比于其他算法，也具有競爭力；當(dāng)目標(biāo)域數(shù)據(jù)集為“水果”和“衣服”時，TLAE算法取得了最佳分類性能。2.值對分類精度的影響將領(lǐng)域相關(guān)性分為高、低、中三個等級，圖3-8表示了在不同算法中領(lǐng)域相關(guān)性對英文數(shù)據(jù)分類精度的影響，圖3-9表示了在不同算法中領(lǐng)域相關(guān)性對中文數(shù)

第3章基于LPA的方面提取遷移學(xué)習(xí)算法29據(jù)分類精度的影響，從兩圖看出，當(dāng)>70%，即領(lǐng)域相關(guān)性為“高”時，TLAE算法的分類精確度較低；當(dāng)30%<70%，即領(lǐng)域相關(guān)性為“中”時，TLAE算法的分類精確度逐漸增高；當(dāng)30%，即領(lǐng)域相關(guān)性為“低”時，TLAE算法的分類精確度最高。且從圖中TLAE算法的線性趨勢來看，隨著領(lǐng)域相關(guān)性的下降，TLAE算法的分類效果逐漸優(yōu)越，證明了TLAE算法在跨域遷移中的有效性。圖3-8值對英文數(shù)據(jù)分類精度的影響圖3-9值對中文數(shù)據(jù)分類精度的影響3.不同算法分類時間比較TLAE算法在計算時間上也是有利的，表3-7記錄了不同算法在6組英文數(shù)據(jù)上的運(yùn)行時間，表3-8記錄了不同算法在6組中文數(shù)據(jù)上的運(yùn)行時間，單位為秒。從兩表可以看出，即使與NB等簡單方法相比，TLAE算法在方面提取任務(wù)中的

【參考文獻(xiàn)】：
期刊論文
[1]情感分析中的方面提取綜述[J]. 陳蘋,馮林.  計算機(jī)應(yīng)用. 2018(S2)
[2]遷移學(xué)習(xí)研究綜述[J]. 王惠.  電腦知識與技術(shù). 2017(32)
[3]面向汽車評論的細(xì)粒度情感分析方法研究[J]. 陳炳豐,郝志峰,蔡瑞初,溫雯,王麗娟,黃浩,蔡曉鳳.  廣東工業(yè)大學(xué)學(xué)報. 2017(03)
[4]基于語義約束LDA的商品特征和情感詞提取[J]. 彭云,萬常選,江騰蛟,劉德喜,劉喜平,廖國瓊.  軟件學(xué)報. 2017(03)
[5]基于半監(jiān)督的SVM遷移學(xué)習(xí)文本分類算法[J]. 譚建平,劉波,肖燕珊.  無線互聯(lián)科技. 2016(04)
[6]基于情感分析的企業(yè)產(chǎn)品級競爭對手識別研究——以用戶評論為數(shù)據(jù)源[J]. 肖璐,陳果,劉繼云.  圖書情報工作. 2016(01)
[7]主題網(wǎng)絡(luò)爬蟲研究綜述[J]. 劉金紅,陸余良.  計算機(jī)應(yīng)用研究. 2007(10)

博士論文
[1]觀點(diǎn)挖掘中評價對象抽取方法的研究[D]. 劉倩.東南大學(xué) 2016

碩士論文
[1]基于遷移學(xué)習(xí)的情感分類研究與應(yīng)用[D]. 段秀玉.北京郵電大學(xué) 2019
[2]基于半監(jiān)督學(xué)習(xí)的觀點(diǎn)挖掘算法的研究與實(shí)現(xiàn)[D]. 吳春葉.北京郵電大學(xué) 2019
[3]基于主題模型的無監(jiān)督方面級觀點(diǎn)挖掘算法研究[D]. 馮晉田.華中科技大學(xué) 2019
[4]一種實(shí)例遷移學(xué)習(xí)算法的改進(jìn)研究[D]. 李毅.西北師范大學(xué) 2018
[5]基于SVM的文本情感分類研究及應(yīng)用[D]. 陳志珍.大連海事大學(xué) 2017
[6]搜索引擎中通用爬蟲系統(tǒng)的研究與設(shè)計[D]. 高龍.吉林大學(xué) 2013
[7]基于遷移學(xué)習(xí)的中文評論情感分類方法研究[D]. 馬鳳閘.大連理工大學(xué) 2012
[8]中文情感詞匯本體的構(gòu)建及其應(yīng)用[D]. 陳建美.大連理工大學(xué) 2009
[9]基于實(shí)例和特征的遷移學(xué)習(xí)算法研究[D]. 戴文淵.上海交通大學(xué) 2009



本文編號：3026938