修饰结构在文本多标签情感强度预测的应用研究

发布时间：2021-06-15 13:48

　　心理疾病是快节奏的现代生活中不容忽视的问题。通过网络渠道倾诉心理问题,获取专业医护人员的意见,既方便又顾及用户隐私,因此互联网医疗服务平台积累了的大量社会心理学文本。挖掘文本中的情感语意信息,识别文本潜在的情绪类别或者对其进行情感空间中的维度值预测,能够获得精细的情感信息,将情感分析技术应用于社会心理学文本的研究意义重大。本文研究心理疾病领域文本的情感分析,探讨了这类文本的情感标签识别和情感强度预测的问题。具体包括三个部分:第一部分,提出使用深度学习模型预测多标签心理疾病文本情感标签。首先,使用问题转化法将多标签问题转化成多个单标签问题;其次,本文考虑了三种类别的修饰词否定词、程度副词和虚词,其中否定词用于扭转结构中情感词的语义极性、程度词则增强或者减弱情绪词的正或负程度、虚词减弱情绪强度。提出两种修饰结构:修饰结构1--单一修饰词或者修饰词的组合;修饰结构2--修饰结构1和情感词的组合。最后,针对修饰结构搭建多尺度CNN模型,通过不同尺度的卷积核提取修饰结构特征,分析其对多标签预测的影响。第二部分,提出使用深度学习模型预测文本的Valence-Arousal情绪强度值。首先,对忧郁症... 

【文章来源】：福州大学福建省 211工程院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

词嵌入示意图

图３－１的处理流程可以归纳为：将文本转化为句向量，输入层获取数据、隐??层提取特征，输出层获取句子特征向量，将特征输出作为分类依据分类。本文??计的深度神经网络，使用这种方法，输入的句子单词索引，在输入层转化为子??阵。在输出层使用图中的方式提取隐藏层的特征，将特征向量转化为分类问题，??

丨〇ｐ〇ｉ?ｙ??句子句矩阵?＼?２?ｒ〇?Ｏ?ｉ?／??图３－１用于分类的神经网络模型结构??图３－１的处理流程可以归纳为：将文本转化为句向量，输入层获取数据、隐??藏层提取特征，输出层获取句子特征向量，将特征输出作为分类依据分类。本文??设计的深度神经网络，使用这种方法，输入的句子单词索引，在输入层转化为子??矩阵。在输出层使用图中的方式提取隐藏层的特征，将特征向量转化为分类问题，??下面先介绍模型输入层和输出层。??输入层：输入层神经元个数与句子的单词个数相同，每个神经元都可以接收??一个词向量，假设句子有ｎ个词，单词的词向量维度为度ｄｗ，则输入层最终获得??一个长度为ｎ，维度为ｄｖｖ的句矩阵。??输出层：本文使用二元相关将含有Ｌ个标签的多标签分类问题转化成Ｌ个单标??签分类问题。根据这个设定

【参考文献】：
期刊论文
[1]基于卷积神经网络的图文融合媒体情感预测[J]. 蔡国永,夏彬彬.  计算机应用. 2016(02)

硕士论文
[1]聚类算法和卷积神经网络在文本情感分析中的应用研究[D]. 何云超.云南大学 2016



本文编号：3231172