近年來隨著電子商務(wù)的飛速發(fā)展使得越來越多的網(wǎng)絡(luò)用戶習(xí)慣在網(wǎng)絡(luò)上發(fā)表自己對于某一事物的意見與評論,對這些評論所包含的情感傾向進(jìn)行分析與判別可以創(chuàng)造巨大的商業(yè)與社會價值,用戶評論的文本情感分類已成為自然語言處理領(lǐng)域的研究熱點之一。然而在面對海量數(shù)據(jù)稀疏、樣本分布不均勻評論數(shù)據(jù)時,僅僅依靠人工處理已無法滿足需求,傳統(tǒng)文本情感分類方法具有準(zhǔn)確率不高、粒度不夠細(xì)致等問題。為了解決以上問題,本文針對評論文本數(shù)據(jù),主要研究層次文本情感分類,即挖掘?qū)ο蟮哪骋环矫娴哪硞�屬性其潛在情感傾向。將該問題分解為單標(biāo)記情感分析和多標(biāo)記情感分析兩個子任務(wù):首先設(shè)計實現(xiàn)了層次文本分類技術(shù),構(gòu)建了類別自動標(biāo)注系統(tǒng),其次提出一種循環(huán)卷積注意力模型用于情感分析,最后在SemEval數(shù)據(jù)集上進(jìn)行了測試,因此本文主要研究內(nèi)容可以總結(jié)為以下三點:(1)層次文本分類方法研究。本文分別從文本分類、情感分析兩大數(shù)據(jù)集對多種模型進(jìn)行實驗分析。對CNN,LSTM,Attention三種主流模型方法的優(yōu)劣進(jìn)行對比分析,發(fā)現(xiàn)利用CNN的擅長于局部特征的抽取;LSTM可以建模文本的長距離依賴,進(jìn)而有效編碼上下文信息;Attention能夠通過加...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 引言
        1.1.1 研究背景及意義
        1.1.2 課題來源
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 文本情感分析研究現(xiàn)狀
        1.2.2 層次文本分類研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 層次文本情感分類任務(wù)分析
    2.1 層次文本情感分類定義
    2.2 工作方式及數(shù)據(jù)分析
        2.2.1 層次情感分類工作方式
        2.2.2 數(shù)據(jù)分析
    2.3 層次文本情感分類技術(shù)分析
        2.3.1 數(shù)據(jù)預(yù)處理技術(shù)
        2.3.2 向量化技術(shù)
        2.3.3 文本情感分析技術(shù)
    2.4 本章小結(jié)
第三章 層次文本分類技術(shù)研究
    3.1 問題描述
    3.2 基于深度學(xué)習(xí)的文本分類方法
        3.2.1 基于CNN模型的文本分類方法
        3.2.2 基于LSTM模型的文本分類方法
        3.2.3 基于Attention模型的文本分類方法
        3.2.4 模型的訓(xùn)練
    3.3基于深度學(xué)習(xí)模型的文本分類實驗
        3.3.1 實驗數(shù)據(jù)集
        3.3.2卷積文本分類模型實驗
        3.3.3循環(huán)神經(jīng)網(wǎng)絡(luò)文本分類模型實驗
        3.3.4注意力文本分類模型實驗
        3.3.5 CNN,RNN,Attention結(jié)果分析
        3.3.6其他文本分類模型實驗
    3.4 本章小結(jié)
第四章 層次文本情感分類模型
    4.1 問題描述
    4.2 基于LCA模型的文本情感分類方法
        4.2.1 模型的構(gòu)建
        4.2.2 模型的結(jié)構(gòu)介紹
        4.2.3 模型的訓(xùn)練
    4.3 實驗結(jié)果
        4.3.1 實驗數(shù)據(jù)集介紹
        4.3.2 實驗評價指標(biāo)
        4.3.3 對比實驗設(shè)計
        4.3.4 實驗參數(shù)設(shè)置
        4.3.5 實驗結(jié)果與分析
    4.4 本章小結(jié)
第五章 層次文本情感分類系統(tǒng)
    5.1 類別層和情感層的相關(guān)方法
    5.2 系統(tǒng)功能模塊設(shè)計
    5.3 層次分類系統(tǒng)展示
        5.3.1 預(yù)處理模塊
        5.3.2 模型訓(xùn)練模塊
        5.3.3 可視化分析模塊
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝
個人簡況及聯(lián)系方式



本文編號：4000450