【摘 要】
：
自然语言处理中采用提取评论文本中的情感信息来进行情感分析的研究,但传统的情感分析方法存在特征提取不足、数据比较稀疏且维度较高和泛化能力差等问题。为了解决上述问题,本文从模型融合和特征融合两个不同的角度,采用基于深度学习的情感分析方法,并引入注意力机制来进行情感分析的研究。首先,针对循环神经网络存在梯度消失和卷积神经网络忽略上下文信息的问题,本文采用将双向长短期神经网络与卷积神经网络相结合,来克服使
论文部分内容阅读
自然语言处理中采用提取评论文本中的情感信息来进行情感分析的研究,但传统的情感分析方法存在特征提取不足、数据比较稀疏且维度较高和泛化能力差等问题。为了解决上述问题,本文从模型融合和特征融合两个不同的角度,采用基于深度学习的情感分析方法,并引入注意力机制来进行情感分析的研究。首先,针对循环神经网络存在梯度消失和卷积神经网络忽略上下文信息的问题,本文采用将双向长短期神经网络与卷积神经网络相结合,来克服使用单一神经网络的弊端;并且针对循环神经网络和卷积神经网络中的参数共享,而不能凸显关键词对情感分析的作用的现状,引入了注意力机制,以此降低了噪声的干扰,并充分提取了文本的全局特征与局部特征。其次,针对现有的情感分析方法只关注文本全局信息,而忽略了用户偏好和产品性能对情感分析产生的不同程度的影响,本文在将双向门控递归单元与卷积神经网络相结合的基础上,引入了用户注意力机制和产品注意力机制,充分提取了用户特征和产品特征,并将用户特征和产品特征相融合得到最终的文本特征进行情感分析。最后,设计实验对本文提出的两种情感分析模型进行实验验证,并对实验结果进行详细的分析。
其他文献
本文研究的指向是从新中国成立至新时代发展时期的陶瓷艺术变迁与审美倾向的演变，景德镇陶瓷艺术作为中国陶瓷史上最为璀璨的部分，其装饰变革对当下陶瓷艺术走向产生着重要影响，景德镇因其独特的地域性和人文特色，在彩绘的发展历程中促使着装饰逐渐向绘画延伸，正如清末浅绛彩瓷绘从陶瓷装饰的束缚中崭露风采，象征着陶瓷装饰性与绘画性并存，并独立衍生出陶瓷绘画这一新的艺术形式。文章尝试从陶瓷装饰性的变化、重建及跨越到独
随着遥感技术和地理学不断向着多学科、多领域的方向发展,国内外遥感学家和地理学家面对不同的研究目标开发了大量的遥感地学模型,这些模型是解决复杂地球科学的有力手段,是认识自然规律的有效工具,在未来预测、现象理解、异常诊断、综合分析以及管理决策等方面均是不可或缺的。遥感模型集成是一种综合多学科模型和集成多种遥感地学资源,从整体上系统地研究环境问题的重要途径。但是由于模型的异构性和复杂性,传统的模型集成方
随着区块链技术受到政府部门和金融机构等行业的广泛关注,学术界对区块链的理论研究也达到了热潮。为了提高区块链系统的运行效率,在离散时域内研究区块链系统交易的基本运行流程,建立数学模型,进行性能分析及系统优化。首先,基于每个区块的容量均有上限和区块所容纳的交易同时验证两个特点,引入限量机制和批量服务机制,构建带有批量服务的G-限量休假模型。采用嵌入马尔科夫链的方法,给出系统服务期开始时刻的交易数母函数
人脸识别作为模式识别领域一个极其重要的分支,其在视觉领域技术中的应用不可替代。随着信息技术的发展,计算机视觉技术与数学的相结合,人脸识别的应用越来越成熟。但是在实际生活中,往往不能控制光照造成的阴影对人脸的遮挡而提供特别理想的人脸图像,使得一般的人脸识别表现得不理想,不能满足实际需求,因此如何解决光照造成人脸被阴影遮挡导致识别效果变差成为了实际应用中的人脸识别乃至模式识别领域有待解决的问题。在综合
近些年来,伴随着各个领域信息化程度的提高,漏洞的种类和数量也在逐渐增多,这些漏洞一旦被黑客攻击利用,信息系统的安全性就会有很大的风险。与此同时,信息安全已经上升为国家战略,那么如何对已经存在的漏洞进行有效地分类管理,提高漏洞修复和管理的效率,则变得尤为重要。本文以漏洞文本日志为依据,以自然语言处理技术和神经网络技术为支撑,从漏洞文本特征表示和漏洞分类模型构建两个方面入手,对已知漏洞的分类技术进行了
移动支付技术飞速发展,使人们对手机支付的安全性受到越来越多重视。当人们使用现有PIN码用户认证技术进行支付时,非法用户采用某种攻击手段（例如肩部窥探、污迹攻击等）容易获取用户密码,从而导致隐私泄露并造成经济损失威胁。目前流行的很多基于生物生理特征的用户身份认证技术不但需要额外的硬件设备支持,而且极易侵犯用户隐私。为弥补上述身份认证技术的缺陷,论文提出了一种新的基于手机姿态感知的移动支付PIN码加密
人体姿势估计作为计算机视觉领域的基础任务,对计算机视觉领域的其他任务有很大影响,相关的研究工作已经将深度学习算法应用于人体姿势估计任务中,从一定程度上提高了人体姿势估计的准确性。但是由于特征提取维度不全面、信息传递不充分等问题,使得人体姿势估计模型的准确率受到了一定的限制。本文针对以上问题,从模型中各模块的内部网络设计和模型中各模块之间的特征传递两个角度进行建模,分别提出了基于多维特征融合的级联网
近年来,流特征的在线特征选择成为数据挖掘的热点。流特征在线特征选择是在保证预测精度的前提下,通过实时过滤无关和冗余特征来降低数据维度。本文针对当前面向分类的在线流特征选择中,存在分类精度较低、选择特征数量多或运行时间长等问题,从挖掘目标标签的近似马尔科夫毯的角度,分别提出面向二分类和多分类的流特征在线特征选择算法,并将在不同数据集中得出的算法结果应用在Decision Tree、KNN、SVM和E
图匹配作为图论中研究的热点问题,本质是计算两个图的相似性,现有的图匹配算法通常采用过滤—验证框架,利用有效的过滤算法减少节点的候选空间,用子图同构算法来找到图的匹配集合。传统的图匹配算法主要从索引的建立和子图特征进行分析从而提出改进算法,随着数据规模的增大,该类算法在性能和效率上受到了限制,针对大规模图数据集的匹配问题,提出了一种新的匹配算法。首先,针对图匹配问题中模式图规模较大的问题,通过计算查
在这个各方面飞速发展的时代,竞争无处不在。社交网络中也不例外,有着大量的产品信息或者不同的言论,而这些信息之间的传播也存在着竞争。而目前的社交网络影响力最大化问题的研究大多是针对某一条信息的传播的研究,但是在实际的社交网络中,更多的是多条信息传播的情况。因此,提出了对基于竞争的影响力最大化问题的研究。对于竞争影响力最大化问题,首先提出了竞争线性阈值模型。模型即考虑了信息传播中的竞争,以及独立级联模