基于句法信息和门控机制的方面级情感分析
发布时间:2023-02-26 15:48
方面级情感分析,是一种细粒度情感分析任务,其目标是判断评价对象的方面(也称属性,本文中均称之为方面)所属的情感极性。对于管理者而言,方面级情感分析可提供更精细的消费者对商品或服务的态度及观点,以此作为其改进产品或服务的依据;对于消费者而言,方面级情感分析可提供其他消费者对某种商品或服务所表达的情感及观点,以此作为其制定购买决策的依据。在方面级情感分析任务中,虽然基于传统机器学习的方法已经取得较好的实验结果,但这些方法很大程度上依赖于人工构建特征的有效性,并且需要大量人力劳动。使用基于长短时记忆神经网络(Long-Short Memory Neural Network,简称为LSTM)的模型,不需要人工构建特征,就可以从句子中学习到丰富的文本信息;通过引入注意力机制而获得上下文词对方面词的重要性程度,进一步增强了模型的预测能力。但是,这些基于LSTM的神经网络模型,采用对文本内容和方面分别建模的方法,对较长的文本序列,其情感特征在传递过程中可能会出现信息丢失的风险。基于注意力机制的模型,欠缺有效编码方面特征和情感特征的能力,并且随着注意力机制的引入,增加了神经网络模型的参数,可能会产生计...
【文章页数】:66 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
1.绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状
1.2.1 基于机器学习方法的方面级情感分析
1.2.2 基于深度学习的方面级情感分析
1.2.3 词向量
1.3 本文研究内容
1.3.1 研究内容
1.3.2 本文结构与章节安排
2.相关理论介绍
2.1 词向量相关理论
2.2 卷积神经网络模型
2.2.1 卷积神经网络模型相关理论
2.2.2 卷积神经网络模型在情感分析任务中的应用
2.3 循环神经网络模型
2.3.1 循环神经网络模型相关理论
2.3.2 循环神经网络模型在情感分析任务中的应用
2.4 基于注意力机制的神经网络模型
2.4.1 注意力机制相关理论介绍
2.4.2 注意力机制在情感分析任务中的应用
2.5 本章小结
3.基于句法信息和门控机制的方面级情感分析模型框架
3.1 数据预处理及特征工程
3.1.1 数据预处理
3.1.2 模型词向量构建
3.2 SIGM模型构建
3.2.1 SIGM模型框架介绍
3.2.2 SIGM模型各结构构建
3.3 本章小结
4.实验及参数设置
4.1 实验数据及实验环境介绍
4.2 模型训练相关设置
4.2.1 模型参数设置
4.2.2 对比实验设置
4.3 实验结果分析
4.3.1 模型预测结果分析
4.3.2 不同方面个数对模型预测性能的影响分析
4.3.3 相关案例分析
4.4 本章小结
5.总结与展望
5.1 全文总结
5.2 未来工作展望
参考文献
致谢
攻读硕士学位期间发表的论文及科研情况
本文编号:3750524
【文章页数】:66 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
1.绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状
1.2.1 基于机器学习方法的方面级情感分析
1.2.2 基于深度学习的方面级情感分析
1.2.3 词向量
1.3 本文研究内容
1.3.1 研究内容
1.3.2 本文结构与章节安排
2.相关理论介绍
2.1 词向量相关理论
2.2 卷积神经网络模型
2.2.1 卷积神经网络模型相关理论
2.2.2 卷积神经网络模型在情感分析任务中的应用
2.3 循环神经网络模型
2.3.1 循环神经网络模型相关理论
2.3.2 循环神经网络模型在情感分析任务中的应用
2.4 基于注意力机制的神经网络模型
2.4.1 注意力机制相关理论介绍
2.4.2 注意力机制在情感分析任务中的应用
2.5 本章小结
3.基于句法信息和门控机制的方面级情感分析模型框架
3.1 数据预处理及特征工程
3.1.1 数据预处理
3.1.2 模型词向量构建
3.2 SIGM模型构建
3.2.1 SIGM模型框架介绍
3.2.2 SIGM模型各结构构建
3.3 本章小结
4.实验及参数设置
4.1 实验数据及实验环境介绍
4.2 模型训练相关设置
4.2.1 模型参数设置
4.2.2 对比实验设置
4.3 实验结果分析
4.3.1 模型预测结果分析
4.3.2 不同方面个数对模型预测性能的影响分析
4.3.3 相关案例分析
4.4 本章小结
5.总结与展望
5.1 全文总结
5.2 未来工作展望
参考文献
致谢
攻读硕士学位期间发表的论文及科研情况
本文编号:3750524
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3750524.html
最近更新
教材专著