基于LSTM和LDA模型的患者情感分析研究

发布时间：2021-07-11 01:43

　　随着互联网医疗的发展,平台上出现大量的患者留言文本。通过患者留言的文本挖掘,分析出患者的情感信息,对患者和医院有重要的意义。本文主要从两个方面对患者留言文本进行研究,第一,基于深度分层神经网络的情感极性分类研究,第二,基于LDA模型的情感主题分类研究。主要的创新成果如下:（1）提出了基于卷积神经网络（CNN）模型和长短期记忆（BLSTM）模型的双道融合层。传统融合的方式,将CNN模型和LSTM模型训练出的词向量进行简单向量拼接,缺点是模型在多特征信息的句子训练时,分析出的情感结果常常被非特征方向的信息影响。双道融合层引入权重矩阵,使得改进后的LSTM模型在训练时,在CNN模型分类出的特征向量方向的情感信息被放大,而在非特征向量方向的情感信息被削弱。实验证明,双道融合层对多特征信息的句子的情感分类更加准确。（2）提出了深度分层网络模型。CNN模型和BLSTM模型在情感极性分类领域擅长的方向不同,CNN模型不善于处理时序信息,却在短文本的情感极性分类中表现效果好,而BLSTM模型擅长处理时序信息,但是不能处理好短文本的情感极性分类。改进后的模型分为区域CNN层、BLSTM词语层两层输入,保... 

【文章来源】：浙江理工大学浙江省

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

情感分析研究框架

图 1.4 基于情感词典的情感分析I评价情感词典，中文有知网情感词典，NTU情感极性词典等，owNet词典等[8]。不同的领域情感极性分类会使用不同的词典，的情感分析对词典的依赖性比较大，而且，基于词典分析对于语料的分类效果不理想，所以研究者提出了基于机器学习情感于有监督学习方法习将训练好的语料以标准模式分类。Pang等人提出并将监督学领域，实验比较了SVM、朴素贝叶斯和最大熵等算法的分类效果等人提出注意力机制的递归神经网络，这种方法的准确率比SV[10]。16 年，Tang等人设计了基于消息级的情感分析深度学习系词向量与手工选择的表情符号、词典等相结合，经实验，这种

图 1.5 情感分析的研究框架在互联网医疗平台上爬出患者的留言，对语料进行预处理，建立留言语料，在语料库的基础上，进行对比试验。1.4 论文组织结构安排本文分为六个章节，每个章节的内容安排如下：第一章：绪论。首先，分析了患者情感分析的研究背景和研究的意义。其次，总结了患者情感分析的国内外研究的现状。最后，介绍了本文主要的研究内容和总体研究框架。第二章：相关理论基础。首先，介绍了文本的预处理过程和文本深度表示模型，其次，介绍了情感极性分类模型和主题分类模型。最后，介绍了实验评测的指标。后文中的算法均基于本章介绍的模型进行改进，为后文的研究奠定了基础。第三章：基于深度分层神经网络的情感极性研究。首先，介绍了情感极性分析实验的处理过程，然后对比研究了两个深度神经网络的特点，最后，基于实验

【参考文献】：
期刊论文
[1]基于方差权重因子选词的SIF句向量模型[J]. 孙毅,裘杭萍,康睿智.  计算机工程. 2019(09)
[2]基于深度神经网络的微博文本情感倾向性分析[J]. 钮成明,詹国华,李志华.  计算机系统应用. 2018(11)
[3]基于卷积神经网络的微博舆情情感分类研究[J]. 张海涛,王丹,徐海玲,孙思阳.  情报学报. 2018(07)
[4]融合注意力机制和CNN-GRNN模型的读者情绪预测[J]. 张琦,彭志平.  计算机工程与应用. 2018(13)
[5]基于CNN-LSTM的QAR数据特征提取与预测[J]. 张鹏,杨涛,刘亚楠,樊志勇,段照斌.  计算机应用研究. 2019(10)
[6]基于RNTN和CBOW的商品评论情感分类[J]. 彭三春,张云华.  计算机工程与设计. 2018(03)
[7]基于双重注意力模型的微博情感分析方法[J]. 张仰森,郑佳,黄改娟,蒋玉茹.  清华大学学报(自然科学版). 2018(02)
[8]中文微博情感分析研究与实现[J]. 李勇敢,周学广,孙艳,张焕国.  软件学报. 2017 (12)
[9]一种用于基于方面情感分析的深度分层网络模型[J]. 刘全,梁斌,徐进,周倩.  计算机学报. 2018(12)
[10]网络评论方面级观点挖掘方法研究综述[J]. 韩忠明,李梦琪,刘雯,张梦玫,段大高,于重重.  软件学报. 2018(02)



本文编号：3277076