基于深度学习的方面级情感分析关键技术研究

发布时间：2023-02-23 17:22

　　随着社交网络的发展,用户针对不同事物发表了大量带有情感倾向的内容,将这些文本数据进行情感分析并统计,对社会和商业等领域都有重要价值。早期的情感分析研究较为粗粒度化,认为一个文档或句子只包含了一种情感。方面级情感分析(Aspect-based Sentiment Analysis,ABSA)可以针对属性词所属的方面进行细粒度的情感分析,近年来受到学术界广泛关注。准确提取文本深层语义特征,挖掘单词间隐式关系,是提高方面级情感分析准确性的重要途径。本论文提出了增强注意力机制的方面级情感分析模型,重点从三个方面进行探索和研究,具体内容如下:1.提出基于注意力机制的属性词提取方法。针对现有模型难以有效挖掘单词间的隐式关系,导致非属性词实体提取,以及属性词提取不完整、不全面等问题。本论文在已有模型上,通过深度模型提取文本语义特征,并引入历史感知的注意力机制,充分利用历史时间步信息,从而建模属性词之间的隐式关系,提高属性词提取效果。2.提出基于BERT和改进注意力机制的实体方面级情感分析方法。利用BERT语言模型作为嵌入层,针对文本中存在的多个属性词和多个方面表达了不同情感,现有模型不能有效的将属性...

【文章页数】：78 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 传统情感分析
        1.2.2 基于方面的情感分析
        1.2.3 ABSA现有问题和不足
    1.3 论文研究内容
    1.4 论文的组织结构
    1.5 本章小节
第二章 相关理论
    2.1 语言模型
        2.1.1 统计语言模型
        2.1.2 神经概率语言模型
    2.2 深度神经网络模型
        2.2.1 循环神经网络
        2.2.2 长短时记忆网络
    2.3 注意力机制
    2.4 序列标注
    2.5 本章小结
第三章 基于注意力机制的属性词提取模型
    3.1 引言及研究动机
    3.2 特征提取模型BiLSTM-Attention
    3.3 联合多层耦合注意力和历史感知注意力机制的模型研究
        3.3.1 基于CMLA的属性词提取
        3.3.2 历史感知注意力THA
        3.3.3 CMLA+THA联合模型框架
    3.4 实验结果和分析
        3.4.1 实验环境及数据集
        3.4.2 评价指标
        3.4.3 实验参数和结果分析
    3.5 本章小结
第四章 基于BERT和改进层次注意力机制的情感分析模型
    4.1 引言及研究动机
    4.2 基于BERT的情感分析模型研究
        4.2.1 BERT结构解析
        4.2.2 基于BERT的情感分析框架
    4.3 基于改进层次注意力机制的情感分析模型
        4.3.1 实体级自注意力机制
        4.3.2 句子级注意力
        4.3.3 方面特征向量细化
    4.4 基于BERT和改进层次注意力的情感分析模型框架
    4.5 实验结果和分析
        4.5.1 实验数据
        4.5.2 评价指标
        4.5.3 实验参数和结果分析
    4.6 本章小结
第五章 面向餐饮业的线上评论分析系统
    5.1 系统总体流程设计
    5.2 功能模块实现
        5.2.1 数据爬取模块
        5.2.2 数据预处理
        5.2.3 模型训练与预测模块
        5.2.4 统计分析模块
    5.3 系统展示
    5.4 本章小节
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3748421