基于注意力机制的文本细粒度情感分类研究

发布时间：2021-11-14 08:19

　　近年来,文本情感分类已经成为自然语言处理领域最活跃的方向之一,在数据挖掘、信息检索、问答系统、智能推荐等方向都有重要应用。传统的文本情感分类通常是句子级或者文档级情感倾向识别任务,只需要给出句子或文档针对实体的整体情感倾向。但是如果想要获取用户对实体每个属性的情感倾向,就需要提出新的方法和框架解决,文本细粒度情感分类应运而生。细粒度情感分类即推断文本中涉及的每个属性的情感倾向,一般分为正向、负向和中性情感。注意力机制能够从源序列数据中提取得到与目标相关的内容,被广泛应用在细粒度情感分类模型中提取与属性相关的情感特征,显著提升了模型的性能。因此,本文以注意力机制为基础进行文本细粒度情感分类的研究。本文的内容主要包括:（1）本文提出了一种融合属性级注意力和上下文级注意力的协同注意力机制,交替的利用注意力机制对属性和上下文进行建模从而获取属性和上下文中重要的相关特征。在此基础上,本文设计了Coattention-LSTM模型,该模型利用LSTM提取上下文词语间的非线性组合特征,同时可以利用协同注意力机制从上下文和属性中提取有效的交互特征进行分类。（2）本文基于记忆网络提出了Coattenti... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

基于卷积神经网络完成文本分类实验证明，只需要一层卷积加池化的操作，模型在文本分类和情感分类中就

基于分句级卷积神经网络完成情感分类在斯坦福情感五分类数据集SST（StanfordSentimentTreebank）上进行实验，

RNN单元编码词xi时，RNN单元计算过程如公式2.5所示

【参考文献】：
期刊论文
[1]注意力增强的双向LSTM情感分析[J]. 关鹏飞,李宝安,吕学强,周建设.  中文信息学报. 2019(02)
[2]基于多通道卷积神经网络的中文微博情感分析[J]. 陈珂,梁斌,柯文德,许波,曾国超.  计算机研究与发展. 2018(05)
[3]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)
[4]基于多注意力卷积神经网络的特定目标情感分析[J]. 梁斌,刘全,徐进,周倩,章鹏.  计算机研究与发展. 2017(08)
[5]大规模情感词典的构建及其在情感分类中的应用[J]. 赵妍妍,秦兵,石秋慧,刘挺.  中文信息学报. 2017(02)
[6]基于极性转移和LSTM递归网络的情感分析[J]. 梁军,柴玉梅,原慧斌,高明磊,昝红英.  中文信息学报. 2015(05)
[7]基于深度学习的微博情感分析[J]. 梁军,柴玉梅,原慧斌,昝红英,刘铭.  中文信息学报. 2014(05)
[8]基于表示学习的中文分词算法探索[J]. 来斯惟,徐立恒,陈玉博,刘康,赵军.  中文信息学报. 2013(05)
[9]文本情感分析[J]. 赵妍妍,秦兵,刘挺.  软件学报. 2010(08)
[10]基于多重冗余标记CRFs的句子情感分析研究[J]. 王根,赵军.  中文信息学报. 2007(05)



本文编号：3494289