基于神经网络模型融合的中文评论文本情感分析

发布时间：2021-02-15 12:42

　　情感分析通过建立有效的分析方法,让计算机正确、有效地理解人类语言情感倾向。随着中国经济的迅速发展,汉语成为一种新的强势语言。中文情感分析成为一个备受瞩目的科学问题。本文利用神经网络模型融合方法进行中文评论文本情感分析,开展了下述研究工作。首先,将图像分类领域的分形卷积神经网络模型（Fractalnet）应用于中文情感分析,得到一种基于分形卷积神经网络的情感分析模型。本文在微博评论、酒店评论进行调整列宽值实验。结果显示,基于分形卷积神经网络的情感分析模型当列宽为3时,准确率、F1值超过列宽值为2、4时对应的实验指标。其次,将分形卷积神经网络与TextCnn进行模型融合,设计了一种融合不同模型卷积层的Text_Fractalnet情感分析模型。通过与TextCnn、Fractalnet,vDcnn模型进行实验对比,结果显示Text_Fractalnet模型的准确率、F1值均超过对比模型。最后,在Text_Fractalnet模型融合层引入“融合率”参数,调整TextCnn和Fractalent支路的特征向量比重,提高了Text

【文章来源】：湖南师范大学湖南省 211工程院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究意义、研究背景与现状分析
    1.2 本文研究内容
    1.3 本文组织结构
第二章 情感分析相关技术与实验要素
    2.1 基于统计机器学习的情感分析
    2.2 基于深度学习的情感分析
    2.3 实验要素
        2.3.1 实验数据
        2.3.2 实验环境
        2.3.3 实验评价指标
    2.4 本章小结
第三章 基于分形卷积神经网络的情感分析模型
    3.1 文本预处理
    3.2 词向量层
    3.3 分形卷积神经网络层
    3.4 标签推断层
    3.5 词向量维度对比实验
        3.5.1 实验参数设置
        3.5.2 实验结果分析
    3.6 列宽值对比实验
        3.6.1 实验参数设置
        3.6.2 实验结果分析
    3.7 本章小结
Fractalnet情感分析模型">第四章 基于融合思想的Text_Fractalnet情感分析模型
    4.1 基于TextCnn与Fractalnet网络特征融合的情感分析模型
Fractalnet的情感分析模型对比实验">    4.2 基于Text_Fractalnet的情感分析模型对比实验
        4.2.1 实验参数设置
        4.2.2 实验结果分析
Fractalnet情感分析模型">    4.3 引入融合率的Text_Fractalnet情感分析模型
Fractalnet模型对比实验">    4.4 引入融合率的Text_Fractalnet模型对比实验
        4.4.1 实验参数设置
        4.4.2 实验结果分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢


【参考文献】：
期刊论文
[1]基于卷积神经网络的细粒度情感分析方法[J]. 李慧,柴亚青.  数据分析与知识发现. 2019(01)
[2]基于全卷积神经网络的空间植物图像快速识别[J]. 樊帅,王鑫,阎镇.  计算机系统应用. 2018(11)
[3]基于CNN和BiLSTM网络特征融合的文本情感分析[J]. 李洋,董红斌.  计算机应用. 2018(11)
[4]基于词注意力卷积神经网络模型的情感分析研究[J]. 王盛玉,曾碧卿,商齐,韩旭丽.  中文信息学报. 2018(09)
[5]基于多通道卷积神经网络的中文微博情感分析[J]. 陈珂,梁斌,柯文德,许波,曾国超.  计算机研究与发展. 2018(05)
[6]基于卷积记忆神经网络的微博短文本情感分析[J]. 郑啸,王义真,袁志祥,秦锋.  电子测量与仪器学报. 2018(03)
[7]基于词向量的电影评论情感分析方法[J]. 殷复莲,潘幸艺,柴剑平.  现代电影技术. 2017(08)
[8]基于情感词典的文本情感倾向分析及可视化[J]. 贾若雨.  现代计算机(专业版). 2017(09)
[9]基于深度表示学习和高斯过程迁移学习的情感分析方法[J]. 吴冬茵,桂林,陈钊,徐睿峰.  中文信息学报. 2017(01)
[10]基于机器学习的宋词风格识别[J]. 赵建明,李春晖,姚念民.  计算机工程与应用. 2018(01)

硕士论文
[1]基于深度学习的网络短文本情感倾向性分析[D]. 左颖.西南交通大学 2018
[2]基于LSTM模型的文本情感分析技术的研究[D]. 赵晓伟.华北电力大学 2018



本文编号：3034867