基于Aspect层次结构的细粒度评论情感分析

发布时间：2021-04-17 21:16

　　细粒度情感分析能够帮助人们提高获取信息的效率,了解公众对某事或某物各个方面的观点。细粒度的商品评论情感分析能辅助消费者做购买决策,帮助生产商改善商品。本文将研究其涉及的三项任务:Aspect抽取、基于Aspect情感分析及Aspect层次结构构建。基于Aspect层次结构的情感分析能够帮助消费者快速定位到感兴趣的Aspect,同时Aspect节点聚集了对应方面的情感极性,能让消费者快速了解Aspect的整体评价。针对Aspect抽取问题,考虑到词语临近上下文对该词标注结果有较大影响,本文提出采用词语级别CNN（Word-level CNN）进行标注,通过卷积窗口捕捉n-grams信息。此外,观察到词形能够反映词性进而影响标注结果,本文提出加入字符级别CNN（Char-level CNN）学习词语的字符组成信息（形态学信息）来增强特征表示能力,即两层级别CNN（Two-level CNN,TCNN）。针对Aspect情感分析问题,已有方法利用上下文为Aspect构造特征,在一个句子中存在多个Aspect的情况会因不同Aspect的特征较相近导致分类错误,对此本文提出了基于注意力机制的CN... 

【文章来源】：华南理工大学广东省 211工程院校 985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】：

图２－２卷积过程??其中．ｉｍａｅ是输入图像矩阵．，．Ｃｏｖ?Ｋｅｒｎｅｌ是卷积核．，Ｃｏｖ?ｌａｅｒ是输入经过卷积运：

图２－３最大池化??

２．２．２?循环神经网络（Ｒｅｃｕｒｒｅｎｔ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＲＮＮ）??２０世纪９０年代，Ｅｌｍａｎ、Ｊｏｒｄａｎ等人提出循环神经网络，其网络结构决定了循环神??经网络适用于处理时序数据，其结构如图２－４所示。??６?°．－ｉ?°＜?°ｎ，??ｙ?ｗ?ｖｔ?ｖ＼?ｖ??Ｖ＾?ｕＷ＾?个?ｗ?ｔ?ｗ?个?ｗ??ｕ?ｋ；?ｋ；?ｕ??ｘ?ｘ，－ｉ?ｘ，??Ｓ?２－４循环神经网络１??其中，ｘｔ、ｓｔ、〇ｔ分别是ｔ时刻的输入、隐层状态和输出，计算过程如下公式：??ｓｔ?＝?ｆ（Ｕｘｔ?＋?Ｗｓｔ＿ｔ?＋?ｂｈ）?（２－２）??〇ｔ?＝?９（ｙｓｔ＿ｘ?＋?ｂｙ）?（２－３）??Ｃ／、ＰＦ、Ｆ分别是输入与隐层，时间步之间、隐层与输出之间的连接权重，？表??：示偏置向量．》．．／■（？）、＿ｇ（〇表示激活函数．。可以着到．，每个时刻的输出不仅依赖于Ｓ前输入，??还与卫个时刻的隐层输出有关，这个特点也决定了?ＲＮＮ训练过程中难以高效并行计算。??ＲＮＮ通过反向传播算法训练

【参考文献】：
期刊论文
[1]基于深度学习和CRFs的产品评论观点抽取方法[J]. 睢国钦,那日萨,彭振.  情报杂志. 2019(05)
[2]在线用户评论细粒度属性抽取[J]. 周清清,章成志.  情报学报. 2017(05)
[3]基于监督学习的中文情感分类技术比较研究[J]. 唐慧丰,谭松波,程学旗.  中文信息学报. 2007(06)



本文编号：3144155