基于主题融合的情感分类算法研究

发布时间：2021-04-02 14:05

　　随着互联网和智能终端的爆发式发展,巨大的社交网络群体和组织产生了海量网络信息,如何在非结构化的网络信息中捕捉分析民众的情感走向和发展,是一项重要的研究课题。中文文本数据相对于英文文本数据来说具有不同的表达形式,存在语法特殊性、语义多元、隐寓表达等诸多特点,除此之外当前大部分的中文文本情感分类方法属于比较浅层的学习方法,分类结果的准确性依赖于人工抽取的样本特征,且文本表达能力有限,随着数据量的增大和表达方式的增多,难以获得比较高的中文文本情感分类准确率。因此,结合中文文本特点进一步提高中文文本情感分类的准确率和性能是情感分类领域需要急切研究和解决的问题。本文结合中文文本的特点,在现有算法基础上加以改进与融合,展开对中文文本情感分类算法的研究,主要研究内容如下:对于中文长文本的情感分类模型,针对在传统深度学习模型中只使用词向量作为文本特征进行文本情感分类的缺陷性和局限性,提出了一种基于卷积神经网络（Convolutional Neural Network,CNN）和双向门限循环单元（Bidirectional Gate Recurrent Unit,BGRU）主题融合的情感分类模型,该模型... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

log(x)曲线变化图

【参考文献】：
期刊论文
[1]基于BGRU池的卷积神经网络文本分类模型[J]. 周枫,李荣雨.  计算机科学. 2018(06)
[2]基于多特征融合的评论文本情感分析[J]. 龚安,费凡.  计算机技术与发展. 2018(08)
[3]基于领域词典的网络商品评论情感分析[J]. 孔伟俊,胡广朋.  计算机与数字工程. 2018(01)
[4]基于卷积神经网络参数优化的中文情感分析[J]. 王盛玉,曾碧卿,胡翩翩.  计算机工程. 2017(08)
[5]用于文本分类的局部化双向长短时记忆[J]. 万圣贤,兰艳艳,郭嘉丰,徐君,庞亮,程学旗.  中文信息学报. 2017(03)
[6]基于多粒度计算和多准则融合的情感分类[J]. 王丙坤,黄永峰,李星.  清华大学学报(自然科学版). 2015(05)



本文编号：3115404