隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,網(wǎng)絡(luò)數(shù)據(jù)也在以驚人的速度增加,如何對網(wǎng)絡(luò)輿情實施有效的監(jiān)管成為迫在眉睫的任務(wù)。中文文本情感識別是網(wǎng)絡(luò)輿情識別的核心內(nèi)容,也是網(wǎng)絡(luò)監(jiān)管的重要內(nèi)容。文本情感識別是自然語言處理領(lǐng)域的核心研究方向。傳統(tǒng)的文本情感識別方法在處理大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)時表現(xiàn)出一系列的缺點（例如,識別效率低,準(zhǔn)確率下降等）。近年來,深度學(xué)習(xí)的興起為解決這一問題提供了一種可能的、有效的解決方法。論文針對中文文本情感識別和深度學(xué)習(xí)進行了較廣泛的閱讀理解和深入研究。論文提出了基于長短期記憶（Long Short-Term Memory,LSTM）網(wǎng)絡(luò)模型的中文分詞方案以及基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）的中文文本情感識別方案,并分別采用典型語料集對提出的方案進行了驗證。此外,論文基于本文提出的中文文本情感識別方案設(shè)計并實現(xiàn)了中文文本情感識別系統(tǒng),用于實際輿情分析。論文的主要工作及貢獻概括如下:1.對中文文本情感識別涉及的文本預(yù)處理、文本表示、特征提取及分類等關(guān)鍵技術(shù)進行了闡述,分析了目前中文文本情感識別的典型方法及其不足,指出了文本情感識別涉及的關(guān)鍵技... 

【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)】：104 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
        1.1.1 網(wǎng)絡(luò)輿情及識別
        1.1.2 文本情感識別
        1.1.3 深度學(xué)習(xí)
    1.2 研究意義
    1.3 研究現(xiàn)狀
        1.3.1 網(wǎng)絡(luò)輿情識別研究現(xiàn)狀
        1.3.2 情感識別研究現(xiàn)狀
        1.3.3 深度學(xué)習(xí)研究現(xiàn)狀
    1.4 論文主要工作及貢獻
    1.5 論文組織結(jié)構(gòu)
第二章 文獻綜述
    2.1 文本情感識別
        2.1.1 文本預(yù)處理
        2.1.2 特征提取
        2.1.3 特征分類
    2.2 文本表示模型
        2.2.1 向量空間模型
        2.2.2 概率主題模型
        2.2.3 神經(jīng)網(wǎng)絡(luò)模型
    2.3 詞向量模型
        2.3.1 CBOW模型
        2.3.2 Skip-Gram模型
        2.3.3 Glove模型
        2.3.4 模型評估
    2.4 文本特征訓(xùn)練
        2.4.1 Word2vec程序
        2.4.2 Doc2vec程序
    2.5 深度學(xué)習(xí)模型
        2.5.1 網(wǎng)絡(luò)模型
        2.5.2 網(wǎng)絡(luò)訓(xùn)練
    2.6 本章小結(jié)
第三章 基于LSTM網(wǎng)絡(luò)模型的中文分詞方案
    3.1 中文分詞綜述
        3.1.1 基于詞典的分詞方法
        3.1.2 基于統(tǒng)計的分詞方法
        3.1.3 基于構(gòu)詞的分詞方法
    3.2 LSTM網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.1 RNN模型
        3.2.2 LSTM模型
    3.3 基于LSTM的編碼-解碼模型
        3.3.1 編碼-解碼模型框架
        3.3.2 引入注意力機制
    3.4 實驗與分析
        3.4.1 分詞方案設(shè)計
        3.4.2 詞向量修正
        3.4.3 數(shù)據(jù)集
        3.4.4 評估標(biāo)準(zhǔn)
        3.4.5 結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于CNN網(wǎng)絡(luò)的中文文本情感識別
    4.1 CNN網(wǎng)絡(luò)綜述
        4.1.1 CNN網(wǎng)絡(luò)模型
        4.1.2 CNN網(wǎng)絡(luò)訓(xùn)練
    4.2 文本特征提取
        4.2.1 特征提取方法
        4.2.2 特征維數(shù)
        4.2.3 特征規(guī)整化
    4.3 情感識別方案
        4.3.1 方案流程
        4.3.2 學(xué)習(xí)速率更新策略
    4.4 實驗結(jié)果與分析
        4.4.1 數(shù)據(jù)集與實驗平臺
        4.4.2 實驗流程
        4.4.3 評估標(biāo)準(zhǔn)
        4.4.4 結(jié)果與分析
        4.4.5 進一步討論
    4.5 本章小結(jié)
第五章 中文情感識別系統(tǒng)設(shè)計與實現(xiàn)
    5.1 面向?qū)ο缶C述
        5.1.1 編程思想
        5.1.2 相關(guān)概念
    5.2 情感識別系統(tǒng)設(shè)計
        5.2.1 系統(tǒng)流程及結(jié)構(gòu)
        5.2.2 數(shù)據(jù)處理模塊
        5.2.3 特征提取模塊
        5.2.4 特征分類模塊
        5.2.5 性能評估模塊
        5.2.6 用戶接口模塊
    5.3 情感識別系統(tǒng)實現(xiàn)
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 論文工作總結(jié)
    6.2 論文工作展望
參考文獻
附錄
致謝
攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號：3638739