社交网络中的情感知识图谱构建关键技术研究

发布时间：2021-04-21 08:41

　　情感分析是网络时代社会舆情监测的重要研究内容,其中,对社交网络文本进行不同维度的情感分析属于自然语言处理问题。而知识图谱则能为自然语言处理工作提供重要的基石。然而,目前国内外关于情感知识图谱的研究还处于空白阶段。因此,本文针对情感知识图谱的构建关键技术——命名实体识别和关系抽取技术加以研究。对于情感知识图谱而言,命名实体识别的目标是识别出文本中的情感词和描述对象,并进一步对情感词加以类似喜怒哀乐等具体感情维度的分类。这要求命名实体识别模型必须能挖掘深度的情感语义,是经典的实体识别模型不需要考虑的问题。情感知识图谱中的关系也不同于一般情况,体现的是情绪上的积极或消极,强烈或平淡。现有的研究工作难以满足情感知识图谱构建需求的问题,本文提出利用多层神经网络模型构建了一个适用于情感知识图谱的命名实体联合识别的模型;并将关系抽取转变为序列标注任务和文本分类任务,构建了一个共享编码器的关系抽取模型完成这两个任务,从而帮助模型更好的学习情绪上的语义特征,提高模型的泛化能力。本文的主要工作如下:1)提出BBC-LSTM模型对社交网络文本进行针对情感知识图谱的命名实体识别,该模型一方面考虑了情感层面的语... 

【文章来源】：上海师范大学上海市

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 知识图谱构建的研究现状
        1.2.2 命名实体识别的研究现状
        1.2.3 关系抽取的研究现状
    1.3 研究意义
    1.4 本文主要研究工作
    1.5 本文组织架构
第2章 相关理论和符号定义
    2.1 社交网络中的情感知识图谱相关概念
        2.1.1 知识图谱的概念
        2.1.2 知识图谱的构建流程
    2.2 社交网络中的情感知识图谱定义
    2.3 序列标注任务
        2.3.1 序列标注任务的基本概念
        2.3.2 序列标注任务的常用技术
    2.4 社交网络中情感知识图谱构建的总体框架
    2.5 本章小结
第3章 情感知识图谱的命名实体识别研究
    3.1 问题分析
    3.2 BBC-LSTM概述
        3.2.1 问题建模
        3.2.2 模型架构介绍
    3.3 BBC-LSTM训练方法和其他细节
        3.3.1 情感知识图谱命名实体识别的标注规范
        3.3.2 背景知识的嵌入
        3.3.3 特征的联合提取
    3.4 本章小结
第4章 针对情感知识图谱的关系抽取模型
    4.1 问题分析
    4.2 SE-LEARNING概述
        4.2.1 问题建模
        4.2.2 模型架构介绍
    4.3 SE-LEARNING训练方法和其他细节
        4.3.1 SE-Learning的输入
        4.3.2 SE-Learning解码器的标签规范
        4.3.3 编码器网络
        4.3.4 解码器和分类器
    4.4 本章小结
第五章 实验
    5.1 实验环境简介
    5.2 针对情感知识图谱的命名实体识别模型的实验
        5.2.1 实验数据的分析和处理
        5.2.2 评价指标
        5.2.3 实验分析与对比
    5.3 针对情感知识图谱的关系抽取模型实验
        5.3.1 实验数据的分析与处理
        5.3.2 评价指标
        5.3.3 实验分析与结果展示
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间获得的研究成果
致谢


【参考文献】：
期刊论文
[1]一种基于特征模板和CNN-BiLSTM-CRF的网络安全实体识别方法（英文）[J]. Ya QIN,Guo-wei SHEN,Wen-bo ZHAO,Yan-ping CHEN,Miao YU,Xin JIN.  Frontiers of Information Technology & Electronic Engineering. 2019(06)
[2]基于本体的中医知识图谱构建[J]. 张德政,谢永红,李曼,石川.  情报工程. 2017(01)
[3]中医药知识图谱构建与应用[J]. 阮彤,孙程琳,王昊奋,方之家,殷亦超.  医学信息学杂志. 2016(04)
[4]双语影视知识图谱的构建研究[J]. 王巍巍,王志刚,潘亮铭,刘阳,张江涛.  北京大学学报(自然科学版). 2016(01)



本文编号：3151436