大规模网络文本的细粒度情感分析技术研究

发布时间：2021-07-09 22:42

　　情感分析是自然语言处理任务中的一项重要任务,拥有广泛的应用前景和实用价值。随着“自媒体”时代的到来,越来越多的人更热衷于在网上发表自己的观点和看法,同时也伴随着日益增多的网络文本数据的到来,能够自动处理这些大规模网络文本的需求越来越强。由于网络文本存在话题开放、语言表达自由和语法表达不规范等问题,使得情感分析在网络文本上的处理越发复杂。语句表达隐晦导致评论语句中的评论受体难以被发现;句子表述在不同语境下所传递的语义也存在差距,所以理解情感的表达需要大量有效的上下文语境信息;语言表述没有统一的规范,理解文本需要更加丰富的语言学知识等外部知识辅助理解。本文立足深度学习方法,辅以多种信息融合技术,对方面词抽取、方面级情感分析和立场分析三项任务进行深入研究。方面词抽取工作主要解决情感分析中情感受体的识别问题,找出评论对象或其属性;方面级情感分析则是对情感受体的情感倾向做判断,不同于句子级、篇章级情感分析只针对全文情感做判断,方面级情感分析需要判断给定目标的某一个侧面的情感,情感受体更加精细;立场分析则是根据给定语句判断评论发出者对指定对象或事件的立场倾向性。本文主要工作如下:1、方面词抽取问题... 

【文章来源】：战略支援部队信息工程大学河南省

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

情感分析任务分类(a)和情感分析粒度分类(b)

第一章是绪论，首先介绍了情感分析的研究背景，从而阐述了本课题在现实生活中的研究价值和意义所在；之后在综合了相关领域的文献内容，详细介绍了方面级情感分析算法和词向量表示的相关研究进展；最后对本论文的章节安排作了详细的阐述。第二章是论文中用到的相关知识与关键技术介绍。本章主要介绍在课题研究中用到的相关技术，主流算法，并针对这些技术进行简要的探讨，提出自己的修改和提高意见。第三章主要介绍了方面词抽取方法。通过分析已有的方面词提取方法模型的不足，介绍了方面词抽取模型的总体设计思路，对各部分核心算法模块进行阐述，并进行相关实验进行验证。第四章介绍了本文对方面级情感分析的研究以及对相应算法模型的研究与心得，改进模型进而通过实验来验证其有效性，包括在特征的选择和最终结果的选择上进行深入探究并进行相关实验进行验证。第五章设计有关立场分析的方法及模型，对现有方法的不足之处进行分析，阐述立场分析技术的整体思路，对各部分模块进行设计、描述和实验验证。第六章对通篇论文进行总结，并提出当前工作的不足和对未来工作的计划。

第二章 相关研究、神经网络等方法。利用统计学的方式表示该语言模型，我们可以利用目标函数设定为：( | ( ))w Cp w Context w 示语料（Corpus），Context(w)表示词 w 的上下文，然后对上式取对数得最log( | ( ))w Cw Context w ，然后对该函数进行最大化，模型如图 2-1 所示

【参考文献】：
期刊论文
[1]文本情感分析[J]. 赵妍妍,秦兵,刘挺.  软件学报. 2010(08)



本文编号：3274626