基于深度学习的情感分类方法的研究

发布时间：2023-05-13 07:23

　　互联网持续高速的发展带来了便捷的生活方式,各种新闻、社交、娱乐、电商网站层出不穷,我们可以随时随地在网上进行阅读、购物、交流等。在这些网站中,经常会产生大量的评论性文本,即描述对某一件事情的看法或者意见的文本,对这种类型的文本进行意见挖掘和整理,有助于我们辨别产品好坏、商家提高服务水平、政府掌握舆情走向等。在这些评论文本中,大部分都包含有明显的情感倾向性信息,如何准确地对这些文本进行情感倾向性自动分类,是本文的主要工作。深度学习具有强大的特征自动提取功能,已被广泛应用到了语音识别、机器翻译、图像识别、人机交互等各个领域中。在情感分类的研究中,由于文本特征提取的困难性和复杂性,基于传统的学习方法已逐渐被深度学习所取代。本文在基本神经网络的基础上,通过加入词语的情感向量来提高情感分类的准确率,主要工作有:一是对领域相关情感词进行识别,并计算情感词语的情感强度值。不同领域的评论文本中会含有一些领域相关的情感词语,为了准确地判断文本的情感倾向性,需要对领域相关情感词进行识别。本文基于无监督学习的思想,通过构建普遍适用的情感语句规则模型来实现情感词语的自动识别。其中,识别的过程采用的是“差分共现...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与研究意义
    1.2 国内外研究现状
        1.2.1 文本情感分类方法研究现状
        1.2.2 句子的表示研究现状
    1.3 本文研究内容以及研究框架
        1.3.1 文本情感分类流程
        1.3.2 研究内容
    1.4 创新点介绍
    1.5 论文组织结构
第二章 相关背景知识
    2.1 基于机器学习的情感分类方法
        2.1.1 有监督学习
        2.1.2 半监督学习
        2.1.3 无监督学习
    2.2 神经网络基础知识
        2.2.1 感知器与神经元
        2.2.2 神经网络分类
        2.2.3 参数学习
    2.3 本章小结
第三章 领域相关情感词的识别
    3.1 基于规则的情感分类方法
        3.1.1 语法规则的构建
        3.1.2 实验分析
    3.2 领域相关情感词的识别方法
        3.2.1 差分共现法识别领域相关情感词
        3.2.2 实验分析
    3.3 本章小结
第四章 情感词情感强度的计算
    4.1 HowNet求词语相似度
    4.2 word2vec求词语相似度
        4.2.1 CBOW原理
        4.2.2 梯度计算
    4.3 情感词强度的计算方法
    4.4 实验分析
    4.5 本章小结
第五章 基于深度学习的情感分类模型
    5.1 卷积神经网络
        5.1.1 卷积神经网络原理
        5.1.2 基于CNN的情感分类模型
    5.2 循环神经网络
        5.2.1 循环神经网络原理
        5.2.2 基于LSTM的情感分类模型
    5.3 实验分析
        5.3.1 实验数据
        5.3.2 性能指标
        5.3.3 实验
    5.4 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 未来展望
参考文献
致谢
作者简介



本文编号：3815492