文本情感分類任務旨在判別給定文本的情感類別（消極、積極等）,是情感分析（Sentiment Analysis,SA）領(lǐng)域下基礎且重要的工作。近來,神經(jīng)網(wǎng)絡（Neural Networks,NN）憑借其巧妙的網(wǎng)絡結(jié)構(gòu)和強大的表征能力在文本情感分類任務上取得優(yōu)異成績。然而,神經(jīng)網(wǎng)絡在利用海量訓練數(shù)據(jù)建模文本特征時,其復雜抽象的黑盒化學習過程忽視了對該分類任務起著關(guān)鍵作用且可直接利用的常識知識:如句中能直接決定文本情感的情感詞本身具有的情感極性（消極或積極）。所以,如何利用已知常識知識輔助神經(jīng)網(wǎng)絡提升模型的分類性能,同時提高模型的可解釋性值得探索。于是,本文著眼于情感常識知識和神經(jīng)網(wǎng)絡模型在文本情感分類任務中的研究,展開以下三個方面的工作:（1）首先,本文借助注意力機制（Attention Mechanism）向神經(jīng)網(wǎng)絡模型注入情感常識,提出一種由情感中心誘導生成的情感常識權(quán)重矩陣來獲取句子向量表征�，F(xiàn)存的注意力機制在文本情感分類任務中,需大量有標簽的數(shù)據(jù)有監(jiān)督地對模型參數(shù)進行訓練導致訓練成本較高,且隱式地學習句中各單詞的權(quán)重導致權(quán)重準確率較低。而本文的情感常識權(quán)重矩陣直接利用有效常識信息進... 

【文章來源】：華東師范大學上海市211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

LSTM模型結(jié)構(gòu)

華東師范大學碩士學位論文54圖5-1積極詞集擴充單詞列表圖5-2消極詞集擴充單詞列表5.5本章小結(jié)本章在第三章和第四章提出利用情感常識輔助提升神經(jīng)網(wǎng)絡模型在文本情感分類任務中的性能后，利用上述兩章訓練好的神經(jīng)網(wǎng)絡模型反哺擴充情感常識知識庫：1）利用第三章提出的情感常識權(quán)重矩陣擴充未知情感詞；2）利用第四

華東師范大學碩士學位論文54圖5-1積極詞集擴充單詞列表圖5-2消極詞集擴充單詞列表5.5本章小結(jié)本章在第三章和第四章提出利用情感常識輔助提升神經(jīng)網(wǎng)絡模型在文本情感分類任務中的性能后，利用上述兩章訓練好的神經(jīng)網(wǎng)絡模型反哺擴充情感常識知識庫：1）利用第三章提出的情感常識權(quán)重矩陣擴充未知情感詞；2）利用第四

【參考文獻】：
期刊論文
[1]基于詞頻分類器集成的文本分類方法[J]. 姜遠,周志華.  計算機研究與發(fā)展. 2006(10)



本文編號：3622379