心理疾病是快節(jié)奏的現(xiàn)代生活中不容忽視的問題。通過網(wǎng)絡(luò)渠道傾訴心理問題,獲取專業(yè)醫(yī)護(hù)人員的意見,既方便又顧及用戶隱私,因此互聯(lián)網(wǎng)醫(yī)療服務(wù)平臺積累了的大量社會(huì)心理學(xué)文本。挖掘文本中的情感語意信息,識別文本潛在的情緒類別或者對其進(jìn)行情感空間中的維度值預(yù)測,能夠獲得精細(xì)的情感信息,將情感分析技術(shù)應(yīng)用于社會(huì)心理學(xué)文本的研究意義重大。本文研究心理疾病領(lǐng)域文本的情感分析,探討了這類文本的情感標(biāo)簽識別和情感強(qiáng)度預(yù)測的問題。具體包括三個(gè)部分:第一部分,提出使用深度學(xué)習(xí)模型預(yù)測多標(biāo)簽心理疾病文本情感標(biāo)簽。首先,使用問題轉(zhuǎn)化法將多標(biāo)簽問題轉(zhuǎn)化成多個(gè)單標(biāo)簽問題;其次,本文考慮了三種類別的修飾詞否定詞、程度副詞和虛詞,其中否定詞用于扭轉(zhuǎn)結(jié)構(gòu)中情感詞的語義極性、程度詞則增強(qiáng)或者減弱情緒詞的正或負(fù)程度、虛詞減弱情緒強(qiáng)度。提出兩種修飾結(jié)構(gòu):修飾結(jié)構(gòu)1--單一修飾詞或者修飾詞的組合;修飾結(jié)構(gòu)2--修飾結(jié)構(gòu)1和情感詞的組合。最后,針對修飾結(jié)構(gòu)搭建多尺度CNN模型,通過不同尺度的卷積核提取修飾結(jié)構(gòu)特征,分析其對多標(biāo)簽預(yù)測的影響。第二部分,提出使用深度學(xué)習(xí)模型預(yù)測文本的Valence-Arousal情緒強(qiáng)度值。首先,對憂郁癥... 

【文章來源】：福州大學(xué)福建省 211工程院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

詞嵌入示意圖

圖３－１的處理流程可以歸納為：將文本轉(zhuǎn)化為句向量，輸入層獲取數(shù)據(jù)、隱??層提取特征，輸出層獲取句子特征向量，將特征輸出作為分類依據(jù)分類。本文??計(jì)的深度神經(jīng)網(wǎng)絡(luò)，使用這種方法，輸入的句子單詞索引，在輸入層轉(zhuǎn)化為子??陣。在輸出層使用圖中的方式提取隱藏層的特征，將特征向量轉(zhuǎn)化為分類問題，??

丨〇ｐ〇ｉ?ｙ??句子句矩陣?＼?２?ｒ〇?Ｏ?ｉ?／??圖３－１用于分類的神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)??圖３－１的處理流程可以歸納為：將文本轉(zhuǎn)化為句向量，輸入層獲取數(shù)據(jù)、隱??藏層提取特征，輸出層獲取句子特征向量，將特征輸出作為分類依據(jù)分類。本文??設(shè)計(jì)的深度神經(jīng)網(wǎng)絡(luò)，使用這種方法，輸入的句子單詞索引，在輸入層轉(zhuǎn)化為子??矩陣。在輸出層使用圖中的方式提取隱藏層的特征，將特征向量轉(zhuǎn)化為分類問題，??下面先介紹模型輸入層和輸出層。??輸入層：輸入層神經(jīng)元個(gè)數(shù)與句子的單詞個(gè)數(shù)相同，每個(gè)神經(jīng)元都可以接收??一個(gè)詞向量，假設(shè)句子有ｎ個(gè)詞，單詞的詞向量維度為度ｄｗ，則輸入層最終獲得??一個(gè)長度為ｎ，維度為ｄｖｖ的句矩陣。??輸出層：本文使用二元相關(guān)將含有Ｌ個(gè)標(biāo)簽的多標(biāo)簽分類問題轉(zhuǎn)化成Ｌ個(gè)單標(biāo)??簽分類問題。根據(jù)這個(gè)設(shè)定

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖文融合媒體情感預(yù)測[J]. 蔡國永,夏彬彬.  計(jì)算機(jī)應(yīng)用. 2016(02)

碩士論文
[1]聚類算法和卷積神經(jīng)網(wǎng)絡(luò)在文本情感分析中的應(yīng)用研究[D]. 何云超.云南大學(xué) 2016



本文編號：3231172