基于领域适应的跨领域情感分析的应用研究

发布时间：2021-02-10 07:38

　　文本情感分析技术作为自然语言处理中的一个研究方向,近几年取得了重大的进展,已经具备了大量成熟的理论基础和可用算法。本文研究的跨领域的文本情感分析是一个基于传统文本情感分析技术的更高层次的任务。当我们在网上寻找到数量庞大的文本数据时,这些数据往往是无标记的,我们很难在无监督环境下训练分类器用于对文本进行情感分析,因此,我们希望从另一个标签充足的数据集中进行知识迁移,帮助提升分类器在目标领域的模型性能。和传统的半监督任务的独立同分布假设有所不同,我们的两个领域之间往往存在分布差异,我们将其称为领域漂移。本文的主要研究内容如下:首先,对于修正领域漂移方面,本文研究了一种并行的集成自适应网络。我们首先将基于最大均值差异的领域散度的两种误差上界进行合并,构造了一个更大的误差上界,我们希望通过放大误差上界来获得更好的自适应效果。同时,我们提出了一种新的度量,我们将它称作”平均不确定性”。平均不确定性通过条件熵定义,可以用于衡量一个无监督训练过程中当前系统的稳定程度,我们发现正确率和平均不确定性基本上成反比关系。其次,我们在领域自适应的研究上提出了注意力双向LSTM的并行网络模型用于跨领域情感分析任... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 课题来源
    1.2 研究背景及意义
    1.3 国内外研究现状
    1.4 本文研究工作
    1.5 论文组织结构
2 基础理论
    2.1 词嵌入
    2.2 循环神经网络
    2.3 LSTM网络
    2.4 最大均值差异
    2.5 本章小结
3 低成本无监督超参数搜索的集成自适应网络
    3.1 领域漂移理论上界
    3.2 集成自适应网络
    3.3 实验
    3.4 本章小结
4 注意力双向LSTM的跨领域文本情感分析
    4.1 双向长短时记忆网络
    4.2 注意力机制
    4.3 注意力双向LSTM的跨领域文本情感分析
    4.4 实验
    4.5 本章小结
5 基于领域适应的跨领域情感分析原型系统
    5.1 系统需求分析
    5.2 系统总体设计
    5.3 系统详细设计
    5.4 系统功能测试
    5.5 本章小结
6 总结与展望
    6.1 论文总结
    6.2 展望
参考文献
作者简介
学位论文数据集



本文编号：3027024