發(fā)布時間：2021-02-15 12:42

　　情感分析通過建立有效的分析方法,讓計算機正確、有效地理解人類語言情感傾向。隨著中國經濟的迅速發(fā)展,漢語成為一種新的強勢語言。中文情感分析成為一個備受矚目的科學問題。本文利用神經網絡模型融合方法進行中文評論文本情感分析,開展了下述研究工作。首先,將圖像分類領域的分形卷積神經網絡模型（Fractalnet）應用于中文情感分析,得到一種基于分形卷積神經網絡的情感分析模型。本文在微博評論、酒店評論進行調整列寬值實驗。結果顯示,基于分形卷積神經網絡的情感分析模型當列寬為3時,準確率、F1值超過列寬值為2、4時對應的實驗指標。其次,將分形卷積神經網絡與TextCnn進行模型融合,設計了一種融合不同模型卷積層的Text_Fractalnet情感分析模型。通過與TextCnn、Fractalnet,vDcnn模型進行實驗對比,結果顯示Text_Fractalnet模型的準確率、F1值均超過對比模型。最后,在Text_Fractalnet模型融合層引入“融合率”參數(shù),調整TextCnn和Fractalent支路的特征向量比重,提高了Text

【文章來源】：湖南師范大學湖南省 211工程院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究意義、研究背景與現(xiàn)狀分析
    1.2 本文研究內容
    1.3 本文組織結構
第二章 情感分析相關技術與實驗要素
    2.1 基于統(tǒng)計機器學習的情感分析
    2.2 基于深度學習的情感分析
    2.3 實驗要素
        2.3.1 實驗數(shù)據(jù)
        2.3.2 實驗環(huán)境
        2.3.3 實驗評價指標
    2.4 本章小結
第三章 基于分形卷積神經網絡的情感分析模型
    3.1 文本預處理
    3.2 詞向量層
    3.3 分形卷積神經網絡層
    3.4 標簽推斷層
    3.5 詞向量維度對比實驗
        3.5.1 實驗參數(shù)設置
        3.5.2 實驗結果分析
    3.6 列寬值對比實驗
        3.6.1 實驗參數(shù)設置
        3.6.2 實驗結果分析
    3.7 本章小結
Fractalnet情感分析模型">第四章 基于融合思想的Text_Fractalnet情感分析模型
    4.1 基于TextCnn與Fractalnet網絡特征融合的情感分析模型
Fractalnet的情感分析模型對比實驗">    4.2 基于Text_Fractalnet的情感分析模型對比實驗
        4.2.1 實驗參數(shù)設置
        4.2.2 實驗結果分析
Fractalnet情感分析模型">    4.3 引入融合率的Text_Fractalnet情感分析模型
Fractalnet模型對比實驗">    4.4 引入融合率的Text_Fractalnet模型對比實驗
        4.4.1 實驗參數(shù)設置
        4.4.2 實驗結果分析
    4.5 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]基于卷積神經網絡的細粒度情感分析方法[J]. 李慧,柴亞青.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2019(01)
[2]基于全卷積神經網絡的空間植物圖像快速識別[J]. 樊帥,王鑫,閻鎮(zhèn).  計算機系統(tǒng)應用. 2018(11)
[3]基于CNN和BiLSTM網絡特征融合的文本情感分析[J]. 李洋,董紅斌.  計算機應用. 2018(11)
[4]基于詞注意力卷積神經網絡模型的情感分析研究[J]. 王盛玉,曾碧卿,商齊,韓旭麗.  中文信息學報. 2018(09)
[5]基于多通道卷積神經網絡的中文微博情感分析[J]. 陳珂,梁斌,柯文德,許波,曾國超.  計算機研究與發(fā)展. 2018(05)
[6]基于卷積記憶神經網絡的微博短文本情感分析[J]. 鄭嘯,王義真,袁志祥,秦鋒.  電子測量與儀器學報. 2018(03)
[7]基于詞向量的電影評論情感分析方法[J]. 殷復蓮,潘幸藝,柴劍平.  現(xiàn)代電影技術. 2017(08)
[8]基于情感詞典的文本情感傾向分析及可視化[J]. 賈若雨.  現(xiàn)代計算機(專業(yè)版). 2017(09)
[9]基于深度表示學習和高斯過程遷移學習的情感分析方法[J]. 吳冬茵,桂林,陳釗,徐睿峰.  中文信息學報. 2017(01)
[10]基于機器學習的宋詞風格識別[J]. 趙建明,李春暉,姚念民.  計算機工程與應用. 2018(01)

碩士論文
[1]基于深度學習的網絡短文本情感傾向性分析[D]. 左穎.西南交通大學 2018
[2]基于LSTM模型的文本情感分析技術的研究[D]. 趙曉偉.華北電力大學 2018



本文編號：3034867