情感分析,又稱觀點(diǎn)挖掘,是指利用自然語言處理、文本分析、計(jì)算語言學(xué)等技術(shù)與手段,分析書面語言中的情感、觀點(diǎn)、態(tài)度和表情的重要方法。情感分析是自然語言處理領(lǐng)域非常重要的一個(gè)任務(wù),它可以為政府、企業(yè)、消費(fèi)者提供全面且科學(xué)的決策依據(jù),因此受到了廣泛關(guān)注。根據(jù)文本層次的遞進(jìn)關(guān)系,我們可以將被研究的文本分為要素級(jí)別、文檔級(jí)別和多輪次對話級(jí)別。本文針對這三個(gè)級(jí)別,分別對要素信息利用不充分、模型可解釋性弱、高質(zhì)量對話級(jí)別情感分析數(shù)據(jù)集缺失等關(guān)鍵問題展開了研究,取得了具有一定理論意義和應(yīng)用價(jià)值的成果。本文的研究內(nèi)容包括:·基于注意力機(jī)制的特定要素情感分類。針對特定要素情感分類,我們提出了ATAE-LSTM模型,該模型證明要素類別可以顯著影響該級(jí)別的情感分析。ATAE-LSTM可以針對輸入要素的不同,注意到輸入文本中與該要素相關(guān)的部分,并抑制不相關(guān)的部分。此外,ATAE-LSTM可以注意到要素相關(guān)的文本中對情感分析具有重要影響的部分�！せ谀z囊網(wǎng)絡(luò)的要素情感協(xié)同分析。由于ATAE-LSTM模型需要將要素信息作為輸入,這限制了該模型進(jìn)一步的應(yīng)用。受膠囊結(jié)構(gòu)啟發(fā),我們提出AS-Capsules模型,該模型不... 

【文章來源】：清華大學(xué)北京市211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：116 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究內(nèi)容與挑戰(zhàn)
        1.2.1 要素級(jí)別的情感分析與主要挑戰(zhàn)
        1.2.2 文檔級(jí)別的情感分析與主要挑戰(zhàn)
        1.2.3 對話級(jí)別的情感分析與主要挑戰(zhàn)
    1.3 本文研究重點(diǎn)和主要貢獻(xiàn)點(diǎn)
第2章 研究現(xiàn)狀與相關(guān)工作
    2.1 情感分析研究現(xiàn)狀概述
        2.1.1 文本表示
        2.1.2 基于特征工程的情感分析
        2.1.3 基于深度學(xué)習(xí)的情感分析
        2.1.4 膠囊網(wǎng)絡(luò)概述
    2.2 要素級(jí)別的情感分析現(xiàn)狀與相關(guān)工作
        2.2.1 要素檢測
        2.2.2 要素級(jí)別的情感分類
    2.3 文檔級(jí)別的情感分析現(xiàn)狀與相關(guān)工作
    2.4 對話級(jí)別的情感分析現(xiàn)狀與相關(guān)工作
    2.5 本章小結(jié)
第3章 要素級(jí)別的情感分析
    3.1 概述
    3.2 相關(guān)工作
        3.2.1 要素檢測
        3.2.2 要素級(jí)別的情感分類
    3.3 特定要素情感分類
        3.3.1 AE-LSTM模型
        3.3.2 AT-LSTM模型
        3.3.3 ATAE-LSTM模型
        3.3.4 模型優(yōu)化
        3.3.5 實(shí)驗(yàn)分析
        3.3.6 與基準(zhǔn)模型的比較
        3.3.7 定性分析
    3.4 要素情感協(xié)同分析
        3.4.1 RNN-Capsule概要
        3.4.2 AS-Capsules模型
        3.4.3 AS-Capsules單個(gè)膠囊的結(jié)構(gòu)
        3.4.4 模型優(yōu)化
        3.4.5 實(shí)驗(yàn)分析
        3.4.6 可解釋性分析
    3.5 本章小結(jié)
第4章 文檔級(jí)別的情感分析
    4.1 概述
    4.2 相關(guān)工作
    4.3 基于膠囊結(jié)構(gòu)的情感分析
        4.3.1 RNN-Capsule模型
        4.3.2 膠囊結(jié)構(gòu)
        4.3.3 模型優(yōu)化
    4.4 實(shí)驗(yàn)分析
        4.4.1 數(shù)據(jù)集
        4.4.2 模型實(shí)現(xiàn)細(xì)節(jié)
        4.4.3 在基準(zhǔn)數(shù)據(jù)集上的評價(jià)
        4.4.4 在醫(yī)院反饋數(shù)據(jù)集上的評價(jià)
    4.5 可解釋性分析
        4.5.1 被注意到的中高頻詞
        4.5.2 被注意到的低頻詞
    4.6 本章小結(jié)
第5章 對話級(jí)別的情感分析
    5.1 概述
    5.2 相關(guān)工作
    5.3 Emo-Int-Dialog數(shù)據(jù)集
    5.4 Chat-RNN模型
        5.4.1 Chat-RNN模型的結(jié)構(gòu)
        5.4.2 訓(xùn)練目標(biāo)
    5.5 實(shí)驗(yàn)分析
        5.5.1 模型實(shí)現(xiàn)細(xì)節(jié)
        5.5.2 模型評價(jià)詳情
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 研究工作展望
參考文獻(xiàn)
致謝
個(gè)人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號(hào)：3631396