基于深度迁移学习的跨领域细粒度情感分析

发布时间：2022-08-12 16:44

　　随着移动互联网的迅猛发展,越来越多的网民在社交平台上阐述自己的观点,在新闻平台上发表自己的看法以及在电商平台上对产品进行评论,由此产生了大量的带有情感信息的评论文本数据,对这类文本数据进行情感分析具有重要的意义。情感分析从粒度上可以分为三类:文档级别、句子级别、评价对象级别。其中,文档级别和句子级别是判断整个文档或句子的情感倾向,属于粗粒度的情感分析,而评价对象级别的情感分析旨在判断给定的评价对象在句子中的情感倾向。在情感分析的应用场景中,对于部分新领域,往往没有标注的训练数据,而人工标注数据是十分耗时的,因此跨领域的情感分析是近年来的一个研究热点。本文以面向评价对象的细粒度情感分析任务为基础,通过深度迁移学习技术解决目标领域标注数据不足的问题。本文的主要研究工作如下:（1）本文首先分析现有细粒度情感分析方法的不足,然后对现有的方法进行改进,提出了融合多种词表示方法与多种注意力机制的细粒度情感分析方法。考虑到现有的研究方法在词表示层面上往往采用静态的词向量,这类表示方法无法解决一词多义的问题,因此本文将融合字符级别（Character-level）、词级别（Word-level）以及上... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 细粒度情感分析研究现状
        1.2.2 跨领域情感分析研究现状
    1.3 本文主要研究内容
    1.4 本文组织结构
第二章 相关理论及技术
    2.1 词的分布式表示相关技术
        2.1.1 语言模型
        2.1.2 连续词袋模型(CBOW)
        2.1.3 跳字模型(Skip-gram)
        2.1.4 ELMo模型
    2.2 循环神经网络
        2.2.1 长短期记忆网络LSTM
        2.2.2 门控循环单元GRU
        2.2.3 双向循环神经网络
    2.3 Transformer网络
    2.4 注意力机制
        2.4.1 软性注意力机制
        2.4.2 键值对注意力
        2.4.3 多头注意力机制
    2.5 BERT预训练模型
        2.5.1 掩码语言模型
        2.5.2 预测下一个句子
        2.5.3 微调
    2.6 迁移学习相关技术
        2.6.1 归纳迁移学习
        2.6.2 转导迁移学习
        2.6.3 对抗学习
    2.7 评价指标
    2.8 本章小结
第三章 基于多种词向量和多种注意力机制混合的细粒度情感分析
    3.1 问题提出与解决思路分析
    3.2 模型设计
        3.2.1 词表示模块
        3.2.2 文本表示模块
        3.2.3 注意力机制模块
        3.2.4 情感预测模块
    3.3 实验与分析
        3.3.1 数据集
        3.3.2 实验设置
        3.3.3 基线方法
        3.3.4 实验结果与分析
    3.4 本章小结
第四章 基于深度迁移学习的跨领域细粒度情感分析
    4.1 问题提出与解决思路
    4.2 模型设计
        4.2.1 源领域上的分类
        4.2.2 领域特征自适应
        4.2.3 利用目标领域数据
        4.2.4 损失函数
    4.3 实验分析
        4.3.1 实验数据
        4.3.2 实验设置
        4.3.3 基线方法
        4.3.4 实验结果分析
    4.4 本章小结
第五章 总结与展望
    5.1 研究总结
    5.2 未来研究工作展望
参考文献
致谢
在学期间的研究成果及发表的学术论文


【参考文献】：
期刊论文
[1]网络商品评论的特征–情感词本体构建与情感分析方法研究[J]. 杜嘉忠,徐健,刘颖.  现代图书情报技术. 2014(05)



本文编号：3676236