隨著互聯(lián)網(wǎng)的迅猛發(fā)展,人們的消費行為也隨之發(fā)生了轉變,消費者們可以根據(jù)需求主動的選擇自己所偏好的商品。目前所有的主流網(wǎng)絡購物平臺都允許消費者對其所購買的商品和服務進行評價,這些評價信息不僅展示了消費者對商品和服務的主觀情感態(tài)度,同時也為其他消費者在進行購買決策時提供了重要的參考依據(jù)。于此同時,商家也可以收集消費者的評論信息并對此進行情感分析,更加深入的了解消費者們的個性化需求,對商品進行不斷的改進和提升。由此可見,評論信息已經(jīng)變成了一種珍貴的資源,如何提取和利用其中的情感信息是目前主流的關注熱點和研究方向。目前,解決傳統(tǒng)情感分析問題的主要研究方法包括:基于情感詞典的情感分析方法和基于機器學習的情感分析方法�；谇楦性~典的分析方法其核心是構建一個高質量的人工標注情感詞典。然而,對于不同的領域,其情感詞是不一樣的,相同的詞匯在不同領域可能表達的意思完全相反,所以需要針對具體領域構建與其相對應的情感詞典。與此同時,各領域的新生詞匯也在不斷的涌現(xiàn),要保證情感詞匯庫的質量還需要不斷地對其進行維護和擴充,這項工作需要花費大量的人力資源和時間成本�；跈C器學習的情感分析方法需要采用人工構建的文本特征...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖１－１基于情感詞典的情感分析流程??目前，國內開源的情感詞典主要有大連理工大學情感詞匯本體庫［３］、知網(wǎng)??７１１

?基于深度遷移學習的在線評論文本情感分析研究???積極詞匯?消極詞匯?????［輸入句子Ｊ?＜細典〉???圖１－１基于情感詞典的情感分析流程??目前，國內開源的情感詞典主要有大連理工大學情感詞匯本體庫［３］、知網(wǎng)??Ｈ〇ＷＮｅｔ［７４Ｂ臺灣大學簡體中文極性詞典［１１］，國外的情感....

圖１－２基于機器學習的情感分析流程??

?１＾???站的評論信息進行情感分析。Ｐａｎｇ［４５］等使用樸素貝葉斯、最大熵和支持向量機三種算??法對電影評論文本進行情感分析，實驗對比了情感分類模型的準確率、召回率和Ｆ值。??使用機器學習方法解決情感分析問題的具體流程如圖１－２所示。??模型訓練??Ｉ??＊?Ｉ分叫卜向置化丨....

圖１－３神經(jīng)網(wǎng)絡方法??

向量形式，這??個過程稱為詞嵌入（Ｗｏｒｄ?Ｅｍｂｅｄｄｉｎｇ），總的來說Ｗｏｒｄ?Ｅｍｂｅｄｄｉｎｇ就是一個詞的低維??向量表示。??（２）第二部分需要把詞嵌入得到的文本特征作為神經(jīng)網(wǎng)絡的輸入，通過深層神??經(jīng)網(wǎng)絡進行不斷的學習和更新，最后通過輸出層進行情感分類，具體的分析流程....

圖１－４論文的組織結構圖??從結構上分，本文共計分為五個章節(jié)，具體安排如下：??

究意義＾?１??１論文結構和創(chuàng)新點????（??＾????深度學習—相關理論知識介紹—？遷移學習??■???Ｖ?＞?■?■?１?■■???Ｉ???預訓練序列模型??ＵＬＭＦｉＴ模型構建?－訓練情感分????Ｖ??ｙ???■■■■＿■－?????ｖ????（?＾????實驗結果＾?....

本文編號：3970592