基于深度学习的文本情感分析方法研究

发布时间：2023-05-13 03:58

　　随着网络技术的快速发展和新冠疫情的大背景下,越来越多的人将现实中的生活和工作转移到了网络上。人们通过社交网站表达观点和抒发情感,电商通过分析评论改进营销策略,政府通过监控网络舆情进行收集民情和制定政策。因此,对网络上的文本信息进行情感分析具有重要的现实意义。而网络中的文本大多是多元化、碎片化的,传统模型对此类文本进行情感分析时,存在长距离语义信息挖掘不够充分、深层次的特征提取不够完整的问题。在模型运行上,也存在参数量大,运行效率不佳的问题。因此,深度挖掘文本的情感特征,捕捉长距离的语义关系,给模型减少参数量,提高模型的精确度与运行效率具有重要研究意义。本文针对文本情感极性特征挖掘不够充分、预训练语言模型运行效率较差的问题,以网络上的评论文本为研究对象,改进预训练语言模型,结合注意力机制构建神经网络,进行理论推理和实验测试,主要研究工作如下:(1)为了提取更长距离的语义关系,减少模型运行时间,提高模型的并行能力,保留文本的深层次特征信息,提出了一种基于ALBERT-HACNN-TUP模型的文本情感分析方法。该模型首先使用ALBERT预训练语言模型提取更长距离的语义信息;其次改进CNN的卷...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的研究背景与意义
    1.2 国内外研究现状
        1.2.1 基于情感词典的方法
        1.2.2 基于传统机器学习的方法
        1.2.3 基于深度学习的情感方法
    1.3 论文的主要研究内容
    1.4 论文的组织结构与安排
第2章 相关理论知识
    2.1 本章引言
    2.2 文本词向量化
        2.2.1 独热编码
        2.2.2 Word2Vec模型
        2.2.3 BERT模型
    2.3 深度学习技术
        2.3.1 卷积神经网络
        2.3.2 循环神经网络
        2.3.3 注意力机制
        2.3.4 Transformer
    2.4 本章小结
第3章 基于ALBERT-HACNN-TUP模型的文本情感分析
    3.1 本章引言
    3.2 ALBERT模型
    3.3 ALBERT-HACNN-TUP模型结构
        3.3.1 HACNN模型
        3.3.2 TUP池化层
    3.4 实验与分析
        3.4.1 实验数据
        3.4.2 参数设置
        3.4.3 实验结果与分析
    3.5 本章小结
第4章 基于MLBERT-ALSTM模型的文本情感分析
    4.1 本章引言
    4.2 MLBERT-ALSTM模型结构
        4.2.1 MLBERT模型
        4.2.2 ALSTM模型
    4.3 实验结果与分析
        4.3.1 实验数据
        4.3.2 实验环境和参数设置
        4.3.3 实验结果与分析
    4.4 本章小结
总结与展望
参考文献
致谢
附录A 攻读学位期间所取得的成果目录
附录B 攻读硕士学位期间参与的科研项目



本文编号：3815255