基于深度学习的情感分析研究

来源 :东北石油大学 | 被引量 : 0次 | 上传用户:yutou1888
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着网络技术的高速发展,各类在线式社交平台已经成为人们交流和获取信息的首要选择。与传统的交流方式相比,现在人们可以在短时间内尽情的分享自己的想法,这一现象也导致网络数据的日益激增。对用户生成的网络评论进行情感分析可以应用于商品的性能分析与产品优化方面,具有很高的研究价值。但传统的基于情感词典或机器学习的方法展开的情感研究存在一定限制,前者依靠词典质量,后者依赖优质数据,都已经无法满足对海量数据进行情感分析的需求。当下深度学习的情感分析方法能够从大规模的文本数据中自动提取相关特征,更加容易地抽取深层次的语义信息,但深度学习方法中词向量表示和神经网络特征抓取过程中仍然存在自身的局限性,本文针对深度学习方法在情感分析中向量表示与情感分类模型的构建问题展开研究,具体工作如下:首先,在数据的词向量转化方面,针对传统词向量转化模型缺乏对文本单词权重的区分能力的问题,本文利用TF-IDF算法来评估词汇在文本的重要程度,并对其在同类语料库权重失衡问题进行改进,使之与主流的Word2vec词向量转化模型相结合提升关键词向量权重。同时,针对传统单一文本表示的向量矩阵表达情感信息不够充分的问题,本文提出了一种多特征融合的方法,将词性特征和文本特征进行融合,解决文本中一词多义的问题,并将表情符号融入其中构建多特征向量矩阵,使情感信息表示更加丰富。其次,在深度学习的情感分析模型搭建方面,针对传统CNN网络缺乏对句中结构与不同情感倾向的判断问题,本文利用语句结构特点,引入转折词表提出分段卷积层并根据句子具有不同的结构特征对池化层进行改进。同时针对传统的LSTM网络易受填充字符的干扰问题,本文提出掩码矩阵根据公式对输入数据的当前神经元状态进行重新定义消除干扰,并配合引入位置特征的注意力机制进行优化权重配比。然后本文将改进后的两种模型的优势相结合,提出了Conv Bi LSTM-ATT情感分析模型,并在公开数据集中证实了该模型的有效性。最后,本文基于向量转化与情感分析技术搭建了一个完整的情感分析系统,设计了系统的总体框架和基于本文提出算法的核心功能模块,并在页面交互的基础上结合了智能机器人NAO完成人机对话情感交互过程,使理论与实践紧密结合。
其他文献
<正>报告要点重要监管政策梳理与解读2021年半年度政治局会议勾勒下半年经济政策要点;中央财经委会议强调促进共同富裕、防范化解重大金融风险;财政部发布《资产管理产品相关会计处理规定(征求意见稿)》,落实"资管新规"净值化管理的监管诉求;银保监会发布《关于整顿信托公司异地部门有关事项的通知(征求意见稿)》,旨在治理信托公司异地部门市场乱象,
会议
<正>学生在特定的学习情境进行学习会产生各种情感,但在传统的教室进行教学时,当教师面对较多数量的学生的情况下,难免会出现难以关注到授课过程中班级所有学生的情感变化的情况,教师更加难以整合学生听课的实时状态的相关数据。因此借助人工智能技术对学生在课堂中的情感变化进行识别就显得很有必要。
期刊
关于“人工智能能否超越人类智能”这个被普遍关心的问题,可从正反两个方面来理解,即人工智能为什么不会超越人类和为什么会超越人类;前一个问题的典型观点是塞尔的生物自然主义,后一个问题的典型观点是库兹韦尔的奇点论。这两方面涉及的具体问题包括:智能机AlphaGo在何种意义上超越了人类智能;人工智能的理性策略是否会产生有意识智能;具身人工智能是否需要生命作为前提;意识是否是粒子排列组合的涌现特性;泰格马克
人工智能、大数据等新科技革命对全球产业格局带来巨大影响,企业被卷入日益激烈的竞争态势中,市场留给我们的窗口期越来越短,企业每时每刻都面临着商业的决策。色彩流行趋势预测作为重要的外部数据洞察,在纺织服装行业中具有不可或缺的作用与价值。借助人工智能数字化解决方案赋能纺织服装色彩流行趋势的预测,将会对纺织服装企业的设计能力、工作效率、商业价值的提升都带来非常积极的意义,为行业的发展带来强劲的动力。
"人工智能"无疑是近年来当代艺术领域的热点词汇。人工智能的意识、直觉、情感问题尤其引起了艺术家们的注意,许多艺术家的作品都针对这一话题进行了探讨。人工智能是否拥有人类的情感特征?人工智能的情感是否等同于人类一贯定义的情感?本文试图走出人类中心主义的观察视角,审视人类情感与机器情感之间的界限与关系,并为人工智能的艺术实践分析注入全新的视野。本文首先探讨了生物意义上的情感是什么,并从正反两方面分析机器