融合情感词典及深度学习的微博主题情感分析

发布时间：2023-04-15 14:09

　　随着网络的迅速发展,越来越多的人习惯通过网络来表达自己的观点和态度,对这些观点进行收集和分析能够带来很大的应用价值。比如电商平台通过对评论的情感分析,能够了解购买者的喜好,推荐更加合适的产品。社交平台可以通过对群众观点的情感分析,了解大众的对于某些事件的情感倾向性,从而掌控群众的舆论导向,相关部门可以更好的进行舆情监控……本文以常用社交软件——微博为例,对微博文本进行情感分析。微博文本与传统文本有所区别,微博文本更加简洁多样,属于非正式文本,含有大量缩写、新词等,这就导致较为传统的基于情感词典的情感分析方法很大程度受限于词典的完善性。在较新的技术中,基于深度学习的方法则很大程度的受到样本数量的限制,当样本数量较少时,神经网络训练不够充分,难以取得较好的结果。针对上述问题,本文提出了融合两种不同方法的结果以提升效果的思路,同时对两种方法进行优化改进。具体工作如下:(1)在较为传统的基于情感词典的情感分析中,本文提出通过语义相似度对情感词典进行扩展的方法提升基于情感词典进行情感分析的结果。应用同义词词林对情感词典进行扩展;基于Word2Vec对情感词典进行扩展;设计融合的多种关系信息的语义...

【文章页数】：62 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 国内外研究现状
        1.2.1 基于文本粒度分类
        1.2.2 基于技术方法分类
    1.3 主要研究内容
    1.4 文章组织结构
第二章 相关技术与理论基础
    2.1 WORD2VEC
    2.2 LDA模型
    2.3 K-MEANS聚类
    2.4 循环神经网络
    2.5 长短期记忆网络
    2.6 本章小结
第三章 情感词典的扩展
    3.1 相关工作
    3.2 基于近义词词库的扩展方法
    3.3 基于WORD2VEC的扩展方法
    3.4 基于多种语义表示的扩展方法
    3.5 实验验证
        3.5.1 数据集
        3.5.2 对比实验
    3.6 结果与分析
    3.7 本章小结
第四章 引入注意力机制的多特征组合的微博情感分析
    4.1 背景介绍
    4.2 相关算法
        4.2.1 情感词典
        4.2.2 支持向量机
        4.2.3 双向门控递归单元神经网络
        4.2.4 注意力机制
    4.3 实验过程
        4.3.1 数据介绍
        4.3.2 对比实验
    4.4 结果与分析
    4.5 本章小结
第五章 微博主题情感分析系统的设计与实现
    5.1 总体设计
    5.2 实验过程
        5.2.1 爬取微博数据
        5.2.2 主题事件获取
        5.2.3 情感分析
    5.3 本章小结
第六章 总结与展望
    6.1 总结
    6.2 未来展望
参考文献
在学期间的研究成果
致谢



本文编号：3791001