近年來隨著電子商務的飛速發展使得越來越多的網絡用戶習慣在網絡上發表自己對于某一事物的意見與評論,對這些評論所包含的情感傾向進行分析與判別可以創造巨大的商業與社會價值,用戶評論的文本情感分類已成為自然語言處理領域的研究熱點之一。然而在面對海量數據稀疏、樣本分布不均勻評論數據時,僅僅依靠人工處理已無法滿足需求,傳統文本情感分類方法具有準確率不高、粒度不夠細致等問題。為了解決以上問題,本文針對評論文本數據,主要研究層次文本情感分類,即挖掘對象的某一方面的某個屬性其潛在情感傾向。將該問題分解為單標記情感分析和多標記情感分析兩個子任務:首先設計實現了層次文本分類技術,構建了類別自動標注系統,其次提出一種循環卷積注意力模型用于情感分析,最后在SemEval數據集上進行了測試,因此本文主要研究內容可以總結為以下三點:(1)層次文本分類方法研究。本文分別從文本分類、情感分析兩大數據集對多種模型進行實驗分析。對CNN,LSTM,Attention三種主流模型方法的優劣進行對比分析,發現利用CNN的擅長于局部特征的抽取;LSTM可以建模文本的長距離依賴,進而有效編碼上下文信息;Attention能夠通過加...

【文章頁數】：71 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 緒論
    1.1 引言
        1.1.1 研究背景及意義
        1.1.2 課題來源
    1.2 國內外研究現狀
        1.2.1 文本情感分析研究現狀
        1.2.2 層次文本分類研究現狀
    1.3 本文研究內容
    1.4 論文的組織結構
第二章 層次文本情感分類任務分析
    2.1 層次文本情感分類定義
    2.2 工作方式及數據分析
        2.2.1 層次情感分類工作方式
        2.2.2 數據分析
    2.3 層次文本情感分類技術分析
        2.3.1 數據預處理技術
        2.3.2 向量化技術
        2.3.3 文本情感分析技術
    2.4 本章小結
第三章 層次文本分類技術研究
    3.1 問題描述
    3.2 基于深度學習的文本分類方法
        3.2.1 基于CNN模型的文本分類方法
        3.2.2 基于LSTM模型的文本分類方法
        3.2.3 基于Attention模型的文本分類方法
        3.2.4 模型的訓練
    3.3基于深度學習模型的文本分類實驗
        3.3.1 實驗數據集
        3.3.2卷積文本分類模型實驗
        3.3.3循環神經網絡文本分類模型實驗
        3.3.4注意力文本分類模型實驗
        3.3.5 CNN,RNN,Attention結果分析
        3.3.6其他文本分類模型實驗
    3.4 本章小結
第四章 層次文本情感分類模型
    4.1 問題描述
    4.2 基于LCA模型的文本情感分類方法
        4.2.1 模型的構建
        4.2.2 模型的結構介紹
        4.2.3 模型的訓練
    4.3 實驗結果
        4.3.1 實驗數據集介紹
        4.3.2 實驗評價指標
        4.3.3 對比實驗設計
        4.3.4 實驗參數設置
        4.3.5 實驗結果與分析
    4.4 本章小結
第五章 層次文本情感分類系統
    5.1 類別層和情感層的相關方法
    5.2 系統功能模塊設計
    5.3 層次分類系統展示
        5.3.1 預處理模塊
        5.3.2 模型訓練模塊
        5.3.3 可視化分析模塊
    5.4 本章小結
第六章 結論與展望
    6.1 結論
    6.2 展望
參考文獻
攻讀學位期間取得的研究成果
致謝
個人簡況及聯系方式



本文編號：4000450