基于深度学习的文本情感计算研究

发布时间：2021-02-23 11:43

　　移动互联网的持续火爆使得各大社交媒体和电子商务平台成为观察人类情感的有效窗口。如何高效地利用计算机技术从海量文本数据中获得情感信息,从而挖掘出文本数据的商业价值,变得尤为重要。因此,文本情感计算成为当代认知科学的一大研究热点。深度学习算法是一类包含多层非线性变换的神经网络,通过逐层特征变换,将样本在原始空间中的特征表示变换到一个新的特征空间,从而更准确地预测结果。与传统模式识别方法的最大不同在于,基于深度学习的模式识别方法能够从数据中自动学习出刻画数据本质的特征表示,摒弃了复杂的人工特征提取过程。因此,在文本情感计算研究中,深度学习技术成为学习高可区分性情感特征的有效方法。这篇论文主要研究如何利用深度学习算法来解决文本情感计算中的两个重要问题:文本情感分类和情感文本检索。归纳起来,主要贡献包括以下四个方面。（1）鉴于句法语义信息已经被证明在句子级文本情感分类研究中可以增强对句子的表征能力,且从结构上来说篇章是由多个句子组成,提出了一种句法语义感知的篇章级文本情感分类算法。该算法采用层次架构,分别从词语层面和句子层面提取情感特征。词语层面的目标是在基于依存句法树的Child-Sum Tr... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：126 页

【学位级别】：博士

【部分图文】：

n-gramNNLM架构图

类别的一个子集，因此整个过程要比 Hierarchical Softmax 简单，且训练速度更快。2.2 卷积神经网络卷积神经网络（Convolutional Neural Network, CNN）最早是由 AI 领域著名学者 Lecun Y. 于 1998 年提出来的[32]。最初 CNN 被用于解决各种计算机视觉问题，比如，图像分类、目标检测、目标分割等，这些年已经取得了辉煌的成就。现如今，CNN 在任一 AI 领域都有广泛应用，包括自然语言处理、语音识别、医疗、人工嗅觉等。图像分类是计算机视觉的基础任务之一，非常适合以图像分类为例来详细介绍卷积神经网络的原理和主要构成。在本节中，我们首先从卷积神经网络适合于对图像建模的缘由讲起，之后分别讲解卷积神经网络的三种网络结构：卷积层、池化层（降采样层）、全连接层，通过堆叠这三种结构形成了一个完整的卷积神经网络。图 2-3 展示了手写体识别研究中的卷积神经网络架构图，输入一张数字图片，经过多个卷积层和降采样层获得图片特征，用于判别分类结果。

池化操作

【参考文献】：
期刊论文
[1]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植.  软件学报. 2015(01)
[2]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[3]文本情感分析[J]. 赵妍妍,秦兵,刘挺.  软件学报. 2010(08)



本文编号：3047534