基于深度学习的细粒度文本情感分析研究

发布时间：2023-10-30 17:29

　　在如今的大数据时代,每天都有海量的信息产生,互联网已经成为人们表达观点、获取信息的重要途径,网络用户从过去单纯的信息获取者变为网络内容的主要制造者。当用户在使用微博、电商等平台时,会针对某事件或某产品发表自己的看法和观点,产生大量的具有个人情感色彩的文本信息,如果能够从这些数据中分析出潜在的用户情感信息,那么将会具有巨大的科研价值和实用价值。传统的文本情感分析主要是基于篇章和句子级别的,对含有多种情感的单句难以处理,无法满足现今信息多元化的趋势。针对情感分析粒度更加细化的需求,基于目标和方面的细粒度情感分析工作逐渐成为研究热点,该项技术能够从多个维度分析文本数据,全面挖掘各目标和方面情感倾向。本研究针对文本细粒度情感的特点进行了详细分析,从文本的语义特征增强表示和信息交互模式两个方面进行研究,提出了一种基于自注意力位置信息融合的细粒度情感分析模型,主要贡献包含三部分:(1)为了增强情感分析模型对文本的细粒度语义表征能力,提出了基于自注意力的位置信息融合(Location Fusion,LF)机制。首先将方面词位置信息嵌入Transformer框架的Encoder结构中,然后通过位置强化...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 粗粒度情感分析
        1.2.2 细粒度情感分析
        1.2.3 存在的问题和挑战
    1.3 研究内容
    1.4 本文的组织结构
第2章 相关基础技术
    2.1 文本预处理技术
    2.2 词嵌入技术
        2.2.1 word2vec词嵌入
        2.2.2 Glove词嵌入
        2.2.3 ELMO和 BERT
    2.3 情感分析中的常用架构
        2.3.1 支持向量机模型
        2.3.2 循环神经网络
        2.3.3 深度记忆网络
    2.4 注意力机制
        2.4.1 注意力机制及变体
        2.4.2 多头自注意力机制
        2.4.3 文本的自注意力表示方法
    2.5 本章小结
第3章 基于深度学习的细粒度情感分析模型
    3.1 任务描述和基本思路
        3.1.1 任务定义
        3.1.2 基本思路
    3.2 基于自注意力位置信息融合的记忆网络模型
        3.2.1 词嵌入层
        3.2.2 基于位置增强的语义表征层
        3.2.3 信息交互层
    3.3 本章小结
第4章 实验结果与分析
    4.1 实验数据与参数设置
        4.1.1 实验数据
        4.1.2 超参数设置
    4.2 实验评估指标
    4.3 实验对比与分析
        4.3.1 模型对比实验
        4.3.2 消融实验及分析
        4.3.3 性能评估及实例分析
    4.4 本章小结
结论
参考文献
攻读硕士学位期间所发表的学术论文
致谢



本文编号：3858876