隨著互聯(lián)網(wǎng)和智能終端的爆發(fā)式發(fā)展,巨大的社交網(wǎng)絡群體和組織產生了海量網(wǎng)絡信息,如何在非結構化的網(wǎng)絡信息中捕捉分析民眾的情感走向和發(fā)展,是一項重要的研究課題。中文文本數(shù)據(jù)相對于英文文本數(shù)據(jù)來說具有不同的表達形式,存在語法特殊性、語義多元、隱寓表達等諸多特點,除此之外當前大部分的中文文本情感分類方法屬于比較淺層的學習方法,分類結果的準確性依賴于人工抽取的樣本特征,且文本表達能力有限,隨著數(shù)據(jù)量的增大和表達方式的增多,難以獲得比較高的中文文本情感分類準確率。因此,結合中文文本特點進一步提高中文文本情感分類的準確率和性能是情感分類領域需要急切研究和解決的問題。本文結合中文文本的特點,在現(xiàn)有算法基礎上加以改進與融合,展開對中文文本情感分類算法的研究,主要研究內容如下:對于中文長文本的情感分類模型,針對在傳統(tǒng)深度學習模型中只使用詞向量作為文本特征進行文本情感分類的缺陷性和局限性,提出了一種基于卷積神經網(wǎng)絡（Convolutional Neural Network,CNN）和雙向門限循環(huán)單元（Bidirectional Gate Recurrent Unit,BGRU）主題融合的情感分類模型,該模型... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

log(x)曲線變化圖

【參考文獻】：
期刊論文
[1]基于BGRU池的卷積神經網(wǎng)絡文本分類模型[J]. 周楓,李榮雨.  計算機科學. 2018(06)
[2]基于多特征融合的評論文本情感分析[J]. 龔安,費凡.  計算機技術與發(fā)展. 2018(08)
[3]基于領域詞典的網(wǎng)絡商品評論情感分析[J]. 孔偉俊,胡廣朋.  計算機與數(shù)字工程. 2018(01)
[4]基于卷積神經網(wǎng)絡參數(shù)優(yōu)化的中文情感分析[J]. 王盛玉,曾碧卿,胡翩翩.  計算機工程. 2017(08)
[5]用于文本分類的局部化雙向長短時記憶[J]. 萬圣賢,蘭艷艷,郭嘉豐,徐君,龐亮,程學旗.  中文信息學報. 2017(03)
[6]基于多粒度計算和多準則融合的情感分類[J]. 王丙坤,黃永峰,李星.  清華大學學報(自然科學版). 2015(05)



本文編號：3115404