基于深度神经网络的商品评论短文本情感分析研究
发布时间：2021-11-09 16:30
商品评论的情感走向,直接反映了商品在市场中受欢迎的程度,情感分析可以为公司销售等方面提供了可靠的分析数据。文字表达方式的复杂性导致传统机器学习在文本情感领域的特征提取效果并不尽如人意,需要更优秀的模型来提升性能。论文完成的主要工作如下:1.对数据进行预处理,将汉字符号数字信息化,通过基于多语义的词训练方法修正一词多义的问题。基于TF-IDF方法提取主题词为子任务提供输入支持。经过实验证明该方法可以有效数字化文本信息。2.本文提出了多级Attention机制模型,在模型中主要针对文字级的Attention层,句子级Attention以及段落级的Attention层进行特征提取。实验结果表明模型有效提升了情感分类的准确度。3.模型学习很容易进入局部最优并且在大型语料库中模型训练速度很慢。为了解决这些问题,采用基于Fine-tuning的迁移机制。将已训练成熟的模型参数迁移到本次模型中进行迭代训练,并基于STLR算法对学习率算法进行改进,使模型能够快速收敛。4.评论文本存在重点信息多,表达方式复杂等特性。本文为此搭建了基于Sluice的参数共享网络,进行多任务特征共享,首先在不同数据集上构建...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
--3入库后数据
第三章数据预处理模块???“态度，，（１．３１１２３３３，１．６９４９３８３，０．７０５２２４７，?（１．０９４３０２５，－〇．?１７８３５８４２，?－１．８４８６??０．６８７８６４５，?－１．０７３３１４５，?０．０８９５０２８，?１８３，?４．３６０２０３，?－０．６９１８１４９，?０．４９４８７２３３，??１．６８９９８１，?－１．６９９９８２４，?－３．?５９６５５１２，??１．８０９２３０６，－１．２６２９５４１，?－１．７９４６６３５，?－６?１４４８７３６）??－０．?２１４３７３２２）??ｓｉｍｉｌａｒ?ｖｏｃａｂｕｌａｒ
?１６??ｘ??图３－４?Ｗｏｒｄ２ｖｅｃ相似词聚类图??＿?ＭＰ?ｓｉｍｉｌａｒ??卜?，ｚ：ｉ??ｕ?，好看?Ｉ??１〇?，’?．??不？错两？思?？，??ｗ评为??６?？？？，？?废?＃為＿??６?？不？气〒??４?Ｚ?Ｖ?ｆ??２?／?Ｉ??乂：?，＊??°０?２?４?６?８?１０?１２?１４?１６??ｘ??图３－５?ＭＰｗｏｒｄｖｅｃ相似词聚类图??对中文词汇向量进行多语义训练，在极性维度上会有更好的紧密型的向量关??系。通过Ｗ〇ｒｄ２ｖｅＣ训练出来的向量可以获取到相似词列表
【参考文献】：
期刊论文
[1]基于Bi-LSTM和CRF的中文网购评论中商品属性提取[J]. 张诗林. 计算机与现代化. 2019(02)
[2]基于word2vec和双向LSTM的情感分类深度模型[J]. 黄贤英,刘广峰,刘小洋,阳安志. 计算机应用研究. 2019(12)
[3]情感分析中的方面提取综述[J]. 陈苹,冯林. 计算机应用. 2018(S2)
[4]基于词向量Doc2vec的双向LSTM情感分析[J]. 张俊飞,毕志升,吴小玲. 计算机与数字工程. 2018(12)
[5]基于L-STM模型的中文情感分类[J]. 王景中,庞丹丹. 计算机工程与设计. 2018(11)
[6]基于深度学习的专利分类方法[J]. 马建红,王瑞杨,姚爽,刘双耀. 计算机工程. 2018(10)
[7]电商评论中细粒度主题情感混合模型建构[J]. 张帆. 商业经济研究. 2017(24)
[8]记忆神经网络的研究与发展[J]. 梁天新,杨小平,王良,张永俊,朱艳丽,许翠. 软件学报. 2017(11)
[9]基于语义相似度的情感特征向量提取方法[J]. 林江豪,周咏梅,阳爱民,陈锦. 计算机科学. 2017(10)
[10]基于卷积神经网络的中文微博情感分类[J]. 冯多,林政,付鹏,王伟平. 计算机应用与软件. 2017(04)
博士论文
[1]基于机器学习的文本情感分类研究[D]. 张庆庆.西北工业大学 2016
硕士论文
[1]基于CNN和LSTM的视频语义分析系统设计与实现[D]. 窦敏.南京邮电大学 2018
[2]情感语境中的微博舆情分析研究[D]. 王倩.南京邮电大学 2018
[3]基于生成对抗网络的迁移学习算法研究[D]. 臧文华.电子科技大学 2018
[4]基于深度学习的人群流量统计系统研究[D]. 万全.北京邮电大学 2018
[5]基于神经网络模型的文本情感分析系统的研究与实现[D]. 郭豪.北京邮电大学 2018
[6]面向网上商城购物评论的情感倾向分析研究[D]. 吴潇.南京邮电大学 2017
本文编号：3485694
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
--3入库后数据
第三章数据预处理模块???“态度，，（１．３１１２３３３，１．６９４９３８３，０．７０５２２４７，?（１．０９４３０２５，－〇．?１７８３５８４２，?－１．８４８６??０．６８７８６４５，?－１．０７３３１４５，?０．０８９５０２８，?１８３，?４．３６０２０３，?－０．６９１８１４９，?０．４９４８７２３３，??１．６８９９８１，?－１．６９９９８２４，?－３．?５９６５５１２，??１．８０９２３０６，－１．２６２９５４１，?－１．７９４６６３５，?－６?１４４８７３６）??－０．?２１４３７３２２）??ｓｉｍｉｌａｒ?ｖｏｃａｂｕｌａｒ
?１６??ｘ??图３－４?Ｗｏｒｄ２ｖｅｃ相似词聚类图??＿?ＭＰ?ｓｉｍｉｌａｒ??卜?，ｚ：ｉ??ｕ?，好看?Ｉ??１〇?，’?．??不？错两？思?？，??ｗ评为??６?？？？，？?废?＃為＿??６?？不？气〒??４?Ｚ?Ｖ?ｆ??２?／?Ｉ??乂：?，＊??°０?２?４?６?８?１０?１２?１４?１６??ｘ??图３－５?ＭＰｗｏｒｄｖｅｃ相似词聚类图??对中文词汇向量进行多语义训练，在极性维度上会有更好的紧密型的向量关??系。通过Ｗ〇ｒｄ２ｖｅＣ训练出来的向量可以获取到相似词列表
【参考文献】：
期刊论文
[1]基于Bi-LSTM和CRF的中文网购评论中商品属性提取[J]. 张诗林. 计算机与现代化. 2019(02)
[2]基于word2vec和双向LSTM的情感分类深度模型[J]. 黄贤英,刘广峰,刘小洋,阳安志. 计算机应用研究. 2019(12)
[3]情感分析中的方面提取综述[J]. 陈苹,冯林. 计算机应用. 2018(S2)
[4]基于词向量Doc2vec的双向LSTM情感分析[J]. 张俊飞,毕志升,吴小玲. 计算机与数字工程. 2018(12)
[5]基于L-STM模型的中文情感分类[J]. 王景中,庞丹丹. 计算机工程与设计. 2018(11)
[6]基于深度学习的专利分类方法[J]. 马建红,王瑞杨,姚爽,刘双耀. 计算机工程. 2018(10)
[7]电商评论中细粒度主题情感混合模型建构[J]. 张帆. 商业经济研究. 2017(24)
[8]记忆神经网络的研究与发展[J]. 梁天新,杨小平,王良,张永俊,朱艳丽,许翠. 软件学报. 2017(11)
[9]基于语义相似度的情感特征向量提取方法[J]. 林江豪,周咏梅,阳爱民,陈锦. 计算机科学. 2017(10)
[10]基于卷积神经网络的中文微博情感分类[J]. 冯多,林政,付鹏,王伟平. 计算机应用与软件. 2017(04)
博士论文
[1]基于机器学习的文本情感分类研究[D]. 张庆庆.西北工业大学 2016
硕士论文
[1]基于CNN和LSTM的视频语义分析系统设计与实现[D]. 窦敏.南京邮电大学 2018
[2]情感语境中的微博舆情分析研究[D]. 王倩.南京邮电大学 2018
[3]基于生成对抗网络的迁移学习算法研究[D]. 臧文华.电子科技大学 2018
[4]基于深度学习的人群流量统计系统研究[D]. 万全.北京邮电大学 2018
[5]基于神经网络模型的文本情感分析系统的研究与实现[D]. 郭豪.北京邮电大学 2018
[6]面向网上商城购物评论的情感倾向分析研究[D]. 吴潇.南京邮电大学 2017
本文编号：3485694
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3485694.html
