文本情感分類是自然語言研究領域中的重要課題,目前對于文本情感分類研究多是基于情感詞典和機器學習方法的,但它們在完成情感分類任務時割裂了文本中各詞語間的關(guān)系,忽略了詞語在上下文中的含義,無法捕捉到文本的深層語義信息,對于表達不規(guī)范的網(wǎng)絡短文本的情感分析準確性更是有待提高。近年來,基于深度學習方法的研究日益加深,各學者也通過使用深度學習技術(shù)在自然語言研究領域中取得了眾多突破。因此,本文提出使用深度學習方法對網(wǎng)絡平臺上的中文短文本進行情感類別判定,主要研究工作如下:(1)針對帶有情感類別標注的中文數(shù)據(jù)集較少問題,本文采用編寫爬蟲程序的方式從京東商城官網(wǎng)上共爬取了 25000條評論文本,同時也利用word2vec工具在中文公共語料庫的基礎上訓練出各詞語的語義向量以解決情感分類實驗時如何將文本數(shù)據(jù)數(shù)值化的問題。(2)針對文本表示問題,本文分別使用以tf-idf來表示特征權(quán)重的向量空間模型和word2vec訓練的詞向量模型來構(gòu)造傳統(tǒng)機器學習模型實驗時的文本數(shù)據(jù),通過分析實驗結(jié)果發(fā)現(xiàn),考慮了上下文含義的word2vec詞向量更能讓模型學習到文本中的情感信息,使其分類性能得以提升。但是提升程度有限,始...

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

圖２．４支持向最和間隔??

要找到滿足式子２－?（１３）的最�。鳎玻涂梢垣@得最優(yōu)超面。用公式表示的ＳＶＭ如式??２－?（１５）所示。??ｍｉｎ?丄?｜｜ｖｖ｜丨２??．?２２－?（１５）??ｓＪ．ｙ：?ｉ＾ｖ＇ｘ：?＋?Ａ?ｊ?＞?１，／?＝??以上計算都是基于數(shù)據(jù)樣本是線性可分情況下的，對于非線....

圖２．５?ＫＮＮ分類示意圖??

?浙江理工大學碩士學位論文???公式２－?（１６）分別進行汁算：??ｎ??１Ｌｘｊｘｘｕ??４）二．７－１?２－?（１６）??Ｖ?Ｍ?ｙ＝ｉ??根據(jù)式子２－?（１６）計算的結(jié)果，從中選取最為相似的Ｋ個文本并根倨式ｒ?２－?（１７）分別計??算出這ｋ個文本屬ｒ類別＆的權(quán)？值，ｍ后將....

圖２．６生物神經(jīng)元結(jié)構(gòu)??

?浙江理工大學碩士學位論文???為了更好的了解其原理，將先介紹人工祌經(jīng)網(wǎng)絡的相關(guān)知識。??（１）人工神經(jīng)網(wǎng)絡??人工祌經(jīng)網(wǎng)絡（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ）簡稱為神經(jīng)網(wǎng)絡，足一種模擬生物神??經(jīng)網(wǎng)絡信息處理機制的數(shù)學模型，由不同的神經(jīng)元（或者稱為節(jié)....

圖２．７人工神經(jīng)元結(jié)構(gòu)??

?浙江理工大學碩士學位論文???為了更好的了解其原理，將先介紹人工祌經(jīng)網(wǎng)絡的相關(guān)知識。??（１）人工神經(jīng)網(wǎng)絡??人工祌經(jīng)網(wǎng)絡（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ）簡稱為神經(jīng)網(wǎng)絡，足一種模擬生物神??經(jīng)網(wǎng)絡信息處理機制的數(shù)學模型，由不同的神經(jīng)元（或者稱為節(jié)....

本文編號：3997907