基于深度学习的网络评论情感分析技术研究

发布时间：2023-01-28 11:33

　　随着网络的发展,很多人在网络上发表自己对事物的看法和评价,通过对这些数据的分析可以得到不同的人对于某一种事物的情感倾向。如何运用自然语言处理对网络评论文本进行分析是目前文本处理的一个热点,情感分析也是其中一个重要的任务。而要实现从评论文本到情感分类的一体化设计,主客观分析显得尤为重要。本文深入研究了情感分析算法的优化和主客观分析算法,主要工作如下:1、设计并实现了基于卷积神经网络和循环神经网络的情感分析算法-基于词性的门限卷积神经网络（GCNN-POS）。首先,同一词语在不同场景下有着不同的词性和词义,所以该算法以语料库为基础,对分词后的语料进行词性标注,使用word2vec模型训练词向量,将文本转化为基于词性标注的词向量形式。然后,利用双向门限循环神经网络层对文本词向量提取上下文语义信息,利用卷积神经网络对文本进一步提取特征,降低词向量维度。最后,利用sigmoid函数将实验得分的结果转换为相应的概率进行分类。2、首次将深度学习算法运用到主客观分析任务中,并根据主客观分析任务的特点提出了基于注意力机制的双向门限循环神经网络（AT-BiGRU）模型。本文不再依赖特征工程的方法,而是采用... 

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 相关研究
    1.3 本文的主要内容和组织结构
第二章 面向网络评论情感分析的GCNN-POS算法模型
    2.1 算法流程
    2.2 文本预处理
        2.2.1 中文分词
        2.2.2 词性标注
    2.3 词向量表示
        2.3.1 词向量模型
        2.3.2 结合词性标注的词向量表示
    2.4 GCNN模型
        2.4.1 双向GRU
        2.4.2 卷积神经网络
        2.4.3 输出层
    2.5 本章小结
第三章 面向主客观分析的AT-BIGRU算法模型
    3.1 算法流程
    3.2 主客观文本特征
        3.2.1 非规范文本
        3.2.2 主观性文本
        3.2.3 客观性本文
        3.2.4 文本特征
    3.3 传统主客观分析算法
        3.3.1 朴素贝叶斯
        3.3.2 SVM模型
    3.4 基于深度学习的主客观分析算法
        3.4.1 Attention机制
        3.4.2 基于Attention机制的神经网络模型
        3.4.3 AT-BiGRU算法模型
    3.5 本章小结
第四章 实验分析
    4.1 面向情感分析的GCNN-POS算法实验
        4.1.1 数据集
        4.1.2 评估标准
        4.1.3 词向量的训练模型
        4.1.4 各个优化部分的对比
        4.1.5 词向量维度的确定
        4.1.6 迭代轮数的影响
        4.1.7 分类结果的对比
        4.1.8 训练时间的对比
    4.2 面向主客观分析的AT-BiGRU算法实验
        4.2.1 语料的获取
        4.2.2 主客观分析必要性验证
        4.2.3 AT-BiGRU的分类准确率
        4.2.4 泛化能力评估
        4.2.5 主客观分析的时间
        4.2.6 主观文本的情感分析
    4.3 情感分析一体化设计
    4.4 实验结论
第五章 结论与展望
    5.1 结论
    5.2 展望
参考文献
致谢
攻读硕士学位期间已发表或录用的论文
攻读学位期间参与的项目



本文编号：3732541