基于评论数据的层次文本情感分类研究

发布时间：2024-07-04 19:01

　　近年来随着电子商务的飞速发展使得越来越多的网络用户习惯在网络上发表自己对于某一事物的意见与评论,对这些评论所包含的情感倾向进行分析与判别可以创造巨大的商业与社会价值,用户评论的文本情感分类已成为自然语言处理领域的研究热点之一。然而在面对海量数据稀疏、样本分布不均匀评论数据时,仅仅依靠人工处理已无法满足需求,传统文本情感分类方法具有准确率不高、粒度不够细致等问题。为了解决以上问题,本文针对评论文本数据,主要研究层次文本情感分类,即挖掘对象的某一方面的某个属性其潜在情感倾向。将该问题分解为单标记情感分析和多标记情感分析两个子任务:首先设计实现了层次文本分类技术,构建了类别自动标注系统,其次提出一种循环卷积注意力模型用于情感分析,最后在SemEval数据集上进行了测试,因此本文主要研究内容可以总结为以下三点:(1)层次文本分类方法研究。本文分别从文本分类、情感分析两大数据集对多种模型进行实验分析。对CNN,LSTM,Attention三种主流模型方法的优劣进行对比分析,发现利用CNN的擅长于局部特征的抽取;LSTM可以建模文本的长距离依赖,进而有效编码上下文信息;Attention能够通过加...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 引言
        1.1.1 研究背景及意义
        1.1.2 课题来源
    1.2 国内外研究现状
        1.2.1 文本情感分析研究现状
        1.2.2 层次文本分类研究现状
    1.3 本文研究内容
    1.4 论文的组织结构
第二章 层次文本情感分类任务分析
    2.1 层次文本情感分类定义
    2.2 工作方式及数据分析
        2.2.1 层次情感分类工作方式
        2.2.2 数据分析
    2.3 层次文本情感分类技术分析
        2.3.1 数据预处理技术
        2.3.2 向量化技术
        2.3.3 文本情感分析技术
    2.4 本章小结
第三章 层次文本分类技术研究
    3.1 问题描述
    3.2 基于深度学习的文本分类方法
        3.2.1 基于CNN模型的文本分类方法
        3.2.2 基于LSTM模型的文本分类方法
        3.2.3 基于Attention模型的文本分类方法
        3.2.4 模型的训练
    3.3基于深度学习模型的文本分类实验
        3.3.1 实验数据集
        3.3.2卷积文本分类模型实验
        3.3.3循环神经网络文本分类模型实验
        3.3.4注意力文本分类模型实验
        3.3.5 CNN,RNN,Attention结果分析
        3.3.6其他文本分类模型实验
    3.4 本章小结
第四章 层次文本情感分类模型
    4.1 问题描述
    4.2 基于LCA模型的文本情感分类方法
        4.2.1 模型的构建
        4.2.2 模型的结构介绍
        4.2.3 模型的训练
    4.3 实验结果
        4.3.1 实验数据集介绍
        4.3.2 实验评价指标
        4.3.3 对比实验设计
        4.3.4 实验参数设置
        4.3.5 实验结果与分析
    4.4 本章小结
第五章 层次文本情感分类系统
    5.1 类别层和情感层的相关方法
    5.2 系统功能模块设计
    5.3 层次分类系统展示
        5.3.1 预处理模块
        5.3.2 模型训练模块
        5.3.3 可视化分析模块
    5.4 本章小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
个人简况及联系方式



本文编号：4000450