基于深度学习的评论文本方面级观点挖掘研究

发布时间：2023-04-11 19:28

　　随着网络技术的飞速发展和计算机的普及,互联网已经成为生活中不可缺少的一部分,人们也越来越倾向于通过互联网来表达自己对网络商品、社会问题及热点事件的观点。网络评论中通常包含评论对象的多个方面,而这些细粒度信息也愈发受到浏览者的关注,值得我们进一步进行挖掘和分析。然而面对互联网上日益剧增的海量数据,用户要想找到自己所关注的信息往往需要耗费大量时间及精力,因此我们十分需要一种能够对大量互联网评论进行面向方面的观点挖掘与分析的方法。传统的方面级观点挖掘方法效果欠佳且缺少高效的观点总结方法。本文的工作包含以下四个方面:第一,本文对方面级观点挖掘相关研究进行了综述,对领域已有的工作分别从观点方面提取方法、观点内容提取方法、观点挖掘评价指标及常用数据资源等角度进行了归纳总结与分析。第二,本文在前人的启发下提出了一个带有注意力机制的深度神经网络来进行方面级观点挖掘任务,模型的输入特征除了包含语义信息外更考虑了输入文本的句法结构特征,最终通过在双语言数据集上进行实验证明了模型相比于其他参照模型在各个指标上均有不同程度的提升。第三,本文基于传统DBSCAN方法提出算法时间复杂度上的优化策略,利用改进后的快...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 研究内容
    1.3 论文组织结构
    1.4 本章小结
第2章 网络评论方面级观点挖掘相关研究
    2.1 方面级观点挖掘的相关定义
    2.2 方面级观点挖掘算法的分类比较
        2.2.1 观点方面提取算法的分类比较
        2.2.2 观点内容提取算法的分类比较
        2.2.3 算法局限性及待解决的问题
    2.3 常用数据集与观点挖掘评价指标
        2.3.1 方面级观点挖掘常用数据集
        2.3.2 评价指标
    2.4 本章小结
第3章 方面级观点挖掘模型
    3.1 背景介绍
    3.2 观点方面挖掘模型
    3.3 基于深度学习的方面级观点内容挖掘模型
        3.3.1 序列标注及B-I-O标注机制
        3.3.2 基于注意力机制的ASBLSTM模型
    3.4 集成句法结构信息的模型特征
        3.4.1 特征组成
        3.4.2 句法结构编码
    3.5 实验设计
        3.5.1 数据集
        3.5.2 实验设计
        3.5.3 评价指标
    3.6 实验结果与分析
        3.6.1 定量分析
        3.6.2 定性分析
    3.7 本章小结
第4章 基于快速聚类的演员观点总结算法
    4.1 背景介绍
    4.2 观点提纯
    4.3 基于DBSCAN的快速观点聚类算法
        4.3.1 点间距离计算
        4.3.2 簇的扩充策略
        4.3.3 算法流程
    4.4 观点聚类实验与结果分析
        4.4.1 实验数据集
        4.4.2 实验分析
    4.5 演员各项指标计算
        4.5.1 素质评分计算
        4.5.2 基本信息采集
    4.6 本章小结
第5章 演员推荐系统的设计与实现
    5.1 设计目的和框架
    5.2 系统相关技术
    5.3 基于注意力机制的ASBLSTM算法模块
    5.4 基于快速聚类的观点总结模块
    5.5 演员推荐算法模块
    5.6 界面展示
    5.7 本章小结
第6章 总结与展望
    6.1 论文总结
    6.2 问题与进一步研究方向
参考文献
在学校期间发表的学术论文与研究成果
致谢



本文编号：3789616