基于深度神经网络的文本情感分类研究

发布时间：2024-11-03 13:07

　　随着社交平台和电子商务的不断发展,互联网用户呈现爆炸式增长趋势,每天产生海量的文本、音频、图片和视频等数据,而文本信息数据量偏大且杂乱无章,人工很难进行区分和整理。互联网上产生的海量文本数据反映着用户的观点和情绪变化,合理有效的从海量文本数据中挖掘出其蕴含的情感信息变得越来越重要。因此,随着Word Embedding将文本数据训练为低维稠密向量的发展,结合深度神经网络模型逐渐成为目前文本情感分类的主流技术。本文主要研究内容是结合卷积神经网络和循环神经网络完成文本情感分类任务。卷积神经网络通过卷积操作提取文本特征具有一定的优势,但是卷积神经网络模型进行情感分类时容易忽略词的上下文语义信息,造成一词多义。因此,本文提出了C_BiLSTM（CNN_BiLSTM）模型,将卷积神经网络提取的局部特征和双向长短时记忆网络提取的全局特征进行融合。BiLSTM（Bidirectional Long Short-Term Memory,BiLSTM）克服了传统循环神经网络的梯度消失或者梯度爆炸问题,同时BiLSTM从前向和反向2个方向处理长距离的上下文,提取带有上...

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

这些任务对理论知识和专业实践能力有更高的要求，往往需要多名学生相互协助共同完成，包括文献查阅、综述总结、追踪(研究)趋势、小组讨论、搭建原型、学生宣讲等环节，最后以陈述报告和书面报告的形式提交，整个过程涉及学生的团队协作、逻辑思维、表达和创新等能力的培养[4]。表1高阶任务内容....

及意义现互联网的普及率已达54.3%，网民人数也急剧增加，超过人口总出，仅半年时间，网络购物，微博，论坛等日常应用的使用人也意味着越来越多的用户在网络上发表自己的观点，积极地参与生了海量的用户数据。分析这些在线的主观性用户数据，可以了一事件或者某一政策的观点和态度，无论是对个人....

图2-1文本情感分析的一般过程基于词向量组合模型的文本表示方法，首先通过Word2vec[词向量文件。文件中，单个的词语是一个低维向量的形式，可息。文本的表示也可以用词向量加权平均的方法，这种方法和V部的结构。随着深度神经网络广泛应用于自然语言处理，使用神结构，进而组合词....

绍标准的LSTM单元。然后，介绍结情感词典与注意力机制的LSTM模型，2]通过使用一个特殊的存储记忆单元可处理任务中它比RNN有更好的性能。图示和公式可知，它由输入门ti，忘记文本序列12{,,...,}nxxxx，tx表示当前STM的输出。L....

本文编号：4011321