【摘 要】
：
方面级情感分析更细粒度,能分类出一段文本中不同方面的情感极性,它的关键点在于如何根据文本中给定方面表示出与上下文间的隐式关系。基于注意力机制的方法可以很好的关注到文本中方面的重要性,深度学习方法可以自主学习提取特征,在特征表达上表现更好。为了更有效的提取文本的情感特征信息以增强分类效果,本文针对用户评论文本进行了基于深度学习的方面级情感分析研究,主要工作如下:（1）提出了基于多注意力机制的混合神经
论文部分内容阅读
方面级情感分析更细粒度,能分类出一段文本中不同方面的情感极性,它的关键点在于如何根据文本中给定方面表示出与上下文间的隐式关系。基于注意力机制的方法可以很好的关注到文本中方面的重要性,深度学习方法可以自主学习提取特征,在特征表达上表现更好。为了更有效的提取文本的情感特征信息以增强分类效果,本文针对用户评论文本进行了基于深度学习的方面级情感分析研究,主要工作如下:（1）提出了基于多注意力机制的混合神经网络情感分析模型。该模型引入方面、词性、位置的多注意力机制,从多个角度关注文本中各方面和上下文的联系,弥补仅依赖内容层面注意力机制的缺点。利用改进网络Bi GRU弥补LSTM参数量大、模型收敛慢的不足,同时与CNN融合,得到一种既有CNN局部特征又有Bi GRU全局特征的情感语义向量。在Sem Eval 2014 Task4中的笔记本电脑用户评论和餐厅用户评论数据集上进行实验,结果表明该模型相比其他基准模型的性能有较好的提升。（2）提出了基于BERT和双层注意力机制的情感分析模型。该模型基于BERT擅长处理句子对的特点,使用包括原始句子和由其构造的方面辅助句组成的句子对作为网络输入,利用BERT预训练模型解决了基于多注意力机制的混合神经网络模型存在的问题。同时为了更充分的对文本方面信息进行处理,在BERT的微调结构上添加了方面词级注意力和方面句子级注意力。方面词级注意力用于解决方面中各个词与上下文紧密度不同的问题,方面句子级注意力用于解决模型对句子中方面的关注问题。在三种不同数据集上与其他模型进行对比实验,验证了基于BERT和双层注意力机制网络的有效性。
其他文献
随着《中国制造2025》的全面实施,中国工业现代化进程稳步推进,智能制造已成为研究热点。机床工作过程中产生的切削颤振是制约高性能加工的一个关键问题,会导致工件表面光洁度下降,并且加速刀具磨损,降低机床寿命、可靠性和加工操作的安全性,造成加工成本提高。针对此问题,本文将一种基于深度学习的算法应用于切削颤振在线监测领域,并研发了一套基于神经网络处理器的嵌入式切削颤振在线监测系统。首先,研究了切削颤振在
真空离子镀膜设备是一种处理表面工程技术的设备,被广泛运用于各个领域之中。镀制薄膜的厚度精度是评价设备性能好坏的关键指标,而设备中的膜厚监控系统的控制性能直接决定了镀膜薄膜的厚度精度。目前,在镀制非规整膜系时,普遍采用基于晶体式膜厚监测仪的膜厚控制系统,由于使用的算法较为简单,导致镀膜的薄膜精度不高。因此,将智能算法运用于真空离子镀膜设备中的膜厚控制系统,对提高镀制薄膜的精度和质量,具有广泛的运用前
太赫兹传感技术具有可靠、快速、无标记等优势,在生物传感领域中具有巨大的应用前景与价值。然而当被测样品尺寸远小于太赫兹波长时,样品不能与太赫兹充分地相互作用,这导致原位太赫兹光谱对微量分析物的检测极其困难。超材料是由周期性排列的亚波长谐振单元组成的人造材料,其电磁响应可以通过改变谐振单元的形状、尺寸等参数控制。超材料能通过局域电场增强以提高光与物质相互作用的程度,因此超材料具有出色的检测能力。石墨烯
图像配准是建立同一场景的图像之间的对应关系,在计算机视觉、医学图像处理、材料力学以及遥感等领域有广泛应用。单应矩阵估计是图像配准任务中的关键问题。由于实际成像系统存在几何畸变,线性仿射变换模型不准确,匹配对点坐标构成的是矛盾方程,因此传统方法对于单应矩阵估计并不可靠。深度学习提取大样本的内在规律和多尺度高维特征,通过数据驱动的方式拟合出更可靠的估计模型。在图像配准任务中,光照变化、实际数据缺少标签
伴随社会的高速发展,对能源的需求也是与日俱增。化石能源的消耗,导致的空气污染、温室效应和能源匮乏等问题不得不引起人们的重视。另外,中国争取在2060年前实现碳中和的目标,对于清洁能源的使用提出了更高的要求。风作为一种清洁可再生能源,对风速进行精准预测对于提高风力发电效率,指导农业生产和保障大型比赛现场等具有重要意义。本文首先分析了某气象站2017年24个观测点全年的3小时间隔历史气象数据,对气象数
伴随着现代遥感科学技术的不断完善与发展,卫星所获取的影像数据的空间、时间和光谱分辨率也在不断提高,为我国农业、水域等领域提供了数据支撑。然而,目前单一卫星传感器获取的影像数据无法同时兼顾高空间分辨率和高时间分辨率。因此,国内外学者提出了许多遥感图像时空融合方法,来生成同时具有高空间分辨率与高时间分辨率的遥感图像。本文基于深度学习的理论,对遥感图像时空融合问题进行研究,内容如下:（1）本文中将现有的
远程庭审依托网络视频技术,具有突破时空限制的优势,与重大疫情防控期间刑事案件审理与秩序维护需要相契合。从实践来看,远程庭审运行潜藏多重风险,技术性要素欠缺与庭审规范化要求相背离,程序规范阙如使其与权利保障要求存在张力,线上审理形式对庭审实质化有所冲击,从而对社会审判需求呈弱回应性。为弥补社会需求旺盛而远程庭审制度供给不足之间的矛盾,应提升远程庭审对信息化技术的适应力,以权利保障与庭审实质化为着力点
随着大数据时代的到来和人工智能技术的飞速发展,预测模型的研究已成为人工智能领域的一个重要分支,现已被广泛应用于智慧工业、智慧医疗、智慧金融等多个领域。近年来,基于机器学习算法的智能预测已开始应用于自然灾害监测、工业数据预警、医疗辅助诊断等领域,并取得了良好的效果。传统机器学习模型存在特征提取不充分、泛化能力不足等问题,从而导致模型的预测性能不佳。以深度学习算法为代表的深度神经网络凭借其高效的深层特
随着互联网的飞速发展,信息过载的问题日渐突出,推荐系统是为解决信息过载而提出的一种解决方案,它从海量信息中筛选出符合目标用户兴趣偏好的那一部分。而评分预测任务是推荐系统中最主要的任务之一,准确预测用户对未知物品的评分,才能达到更好的推荐效果。为了解决推荐系统中的任务,人们提出了许多种推荐算法,这些算法或利用不同的数据、或采取不同的方式分析数据,分为不同种类。本文的工作围绕推荐系统中的评分预测任务。
作为一种光学微结构,微透镜阵列已被广泛应用于通讯、照明、成像等领域,超精密加工技术是当前创成微透镜阵列的主要方法之一。近年来国内外许多研究机构对微透镜阵列的结构设计、加工工艺等做了研究,但针对超精密加工对刀误差对微透镜阵列创成的影响研究却存在不足。本研究从分析对刀误差产生的原因入手,设计了新型超精密车铣加工对刀方法;建立对刀误差对微透镜阵列创成的影响模型,并通过实验验证。主要研究内容如下:1)面向