基于情感常识注入的神经网络在文本情感分类中的研究

发布时间：2022-02-12 21:06

　　文本情感分类任务旨在判别给定文本的情感类别（消极、积极等）,是情感分析（Sentiment Analysis,SA）领域下基础且重要的工作。近来,神经网络（Neural Networks,NN）凭借其巧妙的网络结构和强大的表征能力在文本情感分类任务上取得优异成绩。然而,神经网络在利用海量训练数据建模文本特征时,其复杂抽象的黑盒化学习过程忽视了对该分类任务起着关键作用且可直接利用的常识知识:如句中能直接决定文本情感的情感词本身具有的情感极性（消极或积极）。所以,如何利用已知常识知识辅助神经网络提升模型的分类性能,同时提高模型的可解释性值得探索。于是,本文着眼于情感常识知识和神经网络模型在文本情感分类任务中的研究,展开以下三个方面的工作:（1）首先,本文借助注意力机制（Attention Mechanism）向神经网络模型注入情感常识,提出一种由情感中心诱导生成的情感常识权重矩阵来获取句子向量表征。现存的注意力机制在文本情感分类任务中,需大量有标签的数据有监督地对模型参数进行训练导致训练成本较高,且隐式地学习句中各单词的权重导致权重准确率较低。而本文的情感常识权重矩阵直接利用有效常识信息进... 

【文章来源】：华东师范大学上海市211工程院校985工程院校教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

LSTM模型结构

华东师范大学硕士学位论文54图5-1积极词集扩充单词列表图5-2消极词集扩充单词列表5.5本章小结本章在第三章和第四章提出利用情感常识辅助提升神经网络模型在文本情感分类任务中的性能后，利用上述两章训练好的神经网络模型反哺扩充情感常识知识库：1）利用第三章提出的情感常识权重矩阵扩充未知情感词；2）利用第四

华东师范大学硕士学位论文54图5-1积极词集扩充单词列表图5-2消极词集扩充单词列表5.5本章小结本章在第三章和第四章提出利用情感常识辅助提升神经网络模型在文本情感分类任务中的性能后，利用上述两章训练好的神经网络模型反哺扩充情感常识知识库：1）利用第三章提出的情感常识权重矩阵扩充未知情感词；2）利用第四

【参考文献】：
期刊论文
[1]基于词频分类器集成的文本分类方法[J]. 姜远,周志华.  计算机研究与发展. 2006(10)



本文编号：3622379