短文本情感分類一直是信息處理領(lǐng)域中極具挑戰(zhàn)性的問題。與文檔級別的文本不同,短文本由于其自身的諸多特性:（1）短文本包含有限的上下文語境,并且語義表達(dá)往往不完整;（2）許多用戶生成文本（UGC）如搜索查詢,微博等短文本,并不總是很好地遵循書面語言的語法^[1]。造成傳統(tǒng)機器學(xué)習(xí)方法對其分析效果不是很理想。傳統(tǒng)機器學(xué)習(xí)模型一般通過向量空間模型對短文本進(jìn)行表示,通過文本特征擴展對分類效果進(jìn)行優(yōu)化,以此提高對短文本分類的效果^[2-3]。但由于短文本一般都是句子級別的文本,大多存在語料簡短,數(shù)據(jù)稀疏等問題,傳統(tǒng)機器學(xué)習(xí)的性能往往表現(xiàn)一般。因此,本文采用深度學(xué)習(xí)的方法對短文本進(jìn)行情感分析。本文的研究內(nèi)容概括如下:（1）通過對當(dāng)前短文本情感分析領(lǐng)域的前沿發(fā)展分析可知,基于深度學(xué)習(xí)的方法以其特征的自學(xué)習(xí)特性,在短文本情感分析問題上表現(xiàn)良好。本文在現(xiàn)有基于深度學(xué)習(xí)的短文本情感分析的研究基礎(chǔ)上,我們研究發(fā)現(xiàn):1)一部分短文本中包含一個或多個與該短文本實際表達(dá)的情感不一致或差異較大的詞,我們稱之為“干擾詞”。這種“干擾詞”在一定程度上干擾深度模型的判斷,導(dǎo)致深度模型... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于機器學(xué)習(xí)的文本分類框架

圖 2-1 基于機器學(xué)習(xí)的文本分類框架學(xué)習(xí)的短文本情感分析框架分類指的是文本長度為句子級別的文本。假定給定一個句子感分析就是要判定該句子的情感傾向，情感傾向可以是兩類+代表積極情感傾向， 代表消極情感傾向，0 代表中性情感領(lǐng)域，句子級別文本情感分析整體框架可以分為 3 個部分，中的每個詞語進(jìn)行表示；第二部分就是選擇合適的神經(jīng)網(wǎng)絡(luò)分就是通過 softmax 作為分類器對文本給出一個分類標(biāo)簽。

= ′ ∑ ′ ∈表示上下文信息： = ,袋模型中，就直接吧隱藏層去掉，大大減少了計算量，提高了計數(shù)據(jù)訓(xùn)練模型，最后的效果也不錯。文本訓(xùn)練 ,…, ，連續(xù)詞袋模型的目標(biāo)函數(shù)為： = 1 ( | )模型的結(jié)構(gòu)如圖 2-3 所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的短文本評論產(chǎn)品特征提取及情感分類研究[J]. 李杰,李歡.  情報理論與實踐. 2018(02)
[2]神經(jīng)網(wǎng)絡(luò)中的注意力機制[J]. Adam Kosiorek.  機器人產(chǎn)業(yè). 2017(06)
[3]基于注意力機制的微博情感分析[J]. 周瑛,劉越,蔡俊.  情報理論與實踐. 2018(03)
[4]基于特征擴展與深度學(xué)習(xí)的短文本情感判定方法[J]. 杜永萍,陳守欽,趙曉錚.  計算機科學(xué). 2017(10)
[5]基于多維擴展特征與深度學(xué)習(xí)的微博短文本情感分析[J]. 孫曉,彭曉琪,胡敏,任福繼.  電子與信息學(xué)報. 2017(09)
[6]基于機器學(xué)習(xí)的商品評論情感分析模型研究[J]. 趙剛,徐贊.  信息安全研究. 2017(02)
[7]網(wǎng)絡(luò)情感詞自動識別方法研究[J]. 張清亮,徐健.  現(xiàn)代圖書情報技術(shù). 2011(10)

碩士論文
[1]基于深度學(xué)習(xí)的文本情感分類研究[D]. 朱少杰.哈爾濱工業(yè)大學(xué) 2014



本文編號：2969572