基于深度学习的维吾尔语文本情感分析

发布时间：2020-02-10 22:04

【摘要】：随着互联网的发展,新疆的互联网用户大幅度增加,基于维吾尔语的网络平台也在不断建立,带有主观感情色彩,反映态度和意见的维吾尔语评论性文本日益增多。因此,本文主要针对内容丰富、信息量大的维吾尔语评论性文本进行研究,完成情感分析任务。现有的情感分析研究方法大多基于传统机器学习模型或与人工提取特征结合,虽然在一定程度上提升系统性能,但存在一些局限性:1)依靠人工经验抽取样本的特征规则,受限于特征规则。2)传统浅层机器学习,对复杂问题的泛化能力有限,无法充分表示深层次的语义信息。因此针对维吾尔语情感分析任务,本文完成了以下工作:(1)提出采用深度学习算法进行基于深层语义的维吾尔语句子级情感分析任务。根据维吾尔语语言特性,考虑词性、情感词、转折连词,否定成分等对情感倾向性的影响,从词汇和句式两个抽象层次共提取了8项情感特征,并引入富含丰富语义和上下文信息的词向量表征词汇,利用栈式自编码算法无监督的学习文本的深层语义特征。(2)实体指代成分准确无歧义的消解为正确分析句子级情感任务提供了前提。研究分析近年来指代消解的研究现状,提出基于深度学习的维吾尔语名词短语的指代消解方法。根据维吾尔语具体的语言特性,总结具有指称性的五类名词短语,提取相应的13项指称特征。同时,提出利用词向量空间位置关系表示语义层面上的联系,增加特征对文本语义和句法信息的表达。(3)考虑词序与名词短语上下文信息对指代消解结果的影响,提出利用LSTM构建名词短语向量,结合深度栈式自编码实现多模型结合的维吾尔语名词短语指代消解方法,通过引入双层LSTM学习名词短语间对应的词汇序列和上下文信息,挖掘隐含的语义和句法关联,利用深度栈式自编码算法的多层映射单元进一步学习深层的特征,完成基于深层语义和句法信息的维吾尔语名词短语指代消解任务。
【图文】：

维吾尔语句子级情感分析模型

语料预处理的操作流程图
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.1

【参考文献】

相关期刊论文 前10条

1 奚雪峰;周国栋;;基于Deep Learning的代词指代消解[J];北京大学学报(自然科学版);2014年01期

2 孔芳;周国栋;;基于树核函数的中英文代词消解[J];软件学报;2012年05期

3 樊娜;安毅生;李慧贤;;基于K-近邻算法的文本情感分析方法研究[J];计算机工程与设计;2012年03期

4 赵妍妍;秦兵;刘挺;;文本情感分析[J];软件学报;2010年08期

5 王海东;胡乃全;孔芳;周国栋;;指代消解中语义角色特征的研究[J];中文信息学报;2009年01期

6 刘康;赵军;;基于层叠CRFs模型的句子褒贬度分析研究[J];中文信息学报;2008年01期

7 徐军;丁宇新;王晓龙;;使用机器学习方法进行新闻的情感自动分类[J];中文信息学报;2007年06期

8 王根;赵军;;基于多重冗余标记CRFs的句子情感分析研究[J];中文信息学报;2007年05期

9 周俊生;黄书剑;陈家骏;曲维光;;一种基于图划分的无监督汉语指代消解算法[J];中文信息学报;2007年02期

10 李国臣,罗云飞;采用优先选择策略的中文人称代词的指代消解[J];中文信息学报;2005年04期

相关博士学位论文 前1条

1 帕提古力·麦麦提;基于向心理论的维吾尔语语篇回指研究[D];中央民族大学;2010年

，

本文编号：2578265