本文關鍵詞：基于表示學習的情感分析關鍵技術(shù)研究　出處：《哈爾濱工業(yè)大學》2017年博士論文　論文類型：學位論文

  更多相關文章： 情感分析 表示學習 詞向量 深度神經(jīng)網(wǎng)絡

【摘要】：文本情感分析技術(shù)可以挖掘互聯(lián)網(wǎng)文本中蘊含的情感信息,使我們高效的了解人們針對某實體的觀點,并根據(jù)這些觀點做出決策。然而當今互聯(lián)網(wǎng)應用中的文本特點卻對傳統(tǒng)情感分析技術(shù)形成了挑戰(zhàn):首先,無標注文本的數(shù)量越來越多,標注文本卻始終稀缺,如何利用無標注數(shù)據(jù)提高情感分析方法的性能,是目前亟待解決的問題;此外,文本變得簡潔且隨意,這使得基于詞袋的傳統(tǒng)特征面臨嚴重的稀疏性問題;另外,不同應用場景的互聯(lián)網(wǎng)產(chǎn)品層出不窮,針對性的特征工程耗時較長,難以適應快速迭代的文本的分析需求。詞向量特征(即詞的分布式特征表示)可利用無監(jiān)督方法訓練得到,可以有效利用大量無標注數(shù)據(jù);相似的詞對應的詞向量相似,因而,詞向量作為特征可以起到平滑的作用,緩解稀疏性問題;基于深度神經(jīng)網(wǎng)絡的方法可以組合詞向量,自動學習文本的抽象表示,無需耗費人力設計特征。因而,基于分布式特征表示和深度神經(jīng)網(wǎng)絡的表示學習技術(shù),具有解決文本情感分析所面臨的一系列問題的潛力。論文主要研究如何利用表示學習技術(shù)解決情感分析中的若干關鍵問題。具體的,我們研究了利用含有門控操作的循環(huán)神經(jīng)網(wǎng)絡組合模型進行句子表示、句子序列的表示、詞表示的方法以及詞表示的改進策略,并將其應用于情感分析中的句子情感極性分類、情感表達抽取、情感對象屬性抽取和多輪對話中的情緒預測四個任務。本文的主要內(nèi)容包括以下四個方面。針對互聯(lián)網(wǎng)短文本表達多樣且規(guī)范性差帶來的極性分類特征稀疏問題,本文提出了利用基于門控操作的循環(huán)網(wǎng)絡組合模型進行情感語義表示學習的方法,并利用情感信息的抽象表示進行情感極性分類。實驗表明,這一方法可以有效識別文本的極性類別。此外,文本對網(wǎng)絡訓練過程中的詞向量變化進行了研究,并結(jié)合長短時記憶單元的內(nèi)部結(jié)構(gòu),對二者協(xié)同作用,模擬詞與詞間交互的機制進行了探討。文本中的情感表達方式多種多樣,難以總結(jié)其共性,隱式的情感表達往往不含情感詞,更不易被傳統(tǒng)的詞袋特征所覆蓋,且現(xiàn)有表示學習方法靈活性不足。為了解決這一問題,本文提出了基于長短時記憶網(wǎng)絡的序列標注方法,以學習詞的抽象語義表示,進而完成識別和抽取。實驗表明,通過引入雙向連接網(wǎng)絡結(jié)構(gòu),長短時記憶網(wǎng)絡可以有效提高情感表達的抽取性能。此外,還針對長短時記憶網(wǎng)絡有能力進行信號分離和信息選擇的特點進行了研究,探討了該結(jié)構(gòu)在序列標注過程中的優(yōu)勢。情感對象的屬性識別與候選文本中的詞的聯(lián)系密切,因而,詞向量的質(zhì)量直接影響著抽取的性能,但詞向量作為詞的分布式表示,本身存在諸多問題:其向量表示與對應詞的功能間存在鴻溝,統(tǒng)計信息缺失,且具有意義上和功能上的歧義性。為解決這些問題,論文針對性的引入了基于依存句法的詞向量和基于外積矩陣的擴展方法,并提出了基于長短時記憶單元特化輸入門的詞向量特化策略。實驗表明,這些方法能夠有效改善詞向量,并提高屬性抽取模型的性能。發(fā)現(xiàn)人機多輪對話中的用戶負面情緒,可以為對話技術(shù)的評價和改進提供依據(jù)。然而,現(xiàn)有人機交互的方式使得我們難以直接獲得用戶的負面反饋。通過多輪對話的上下文預測用戶的情緒則是獲得此類信息的一種方法。我們對多輪對話的已知句子中可能影響用戶情緒的多種因素提出假設,并針對性的建立了神經(jīng)網(wǎng)絡模型學習這些因素的抽象表示,用以預測用戶的情緒反饋。實驗結(jié)果表明,基于卷積循環(huán)神經(jīng)網(wǎng)絡的方法可以有效表示多輪對話中的文本序列和關系序列,從而并對用戶情緒做出有效預測。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP391.1

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

3 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

6 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

7 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡[J];統(tǒng)計教育;2005年06期

8 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡及其應用研究[J];微計算機信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡在股票市場預測中的應用[J];軟件導刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術(shù)及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 王鑫;基于表示學習的情感分析關鍵技術(shù)研究[D];哈爾濱工業(yè)大學;2017年

2 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

3 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

4 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

5 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

6 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

7 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

8 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

9 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

10 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1312204