基于深度学习模型的情感分析研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

随着进入新世纪后互联网技术的不断发展，人们喜欢在微博、书城或者是一些电子商城上留下一些信息（评论）来表达自己关于该事件的观点看法，情感等，这些非结构化的数据中蕴藏着大量的、有价值的信息。研究文本情感分析领域的早先方法包括基于统计的方法、情感词典等，在数据量不是很大的时候这些方法可以得到一定的效果。随着数据量的不断增长，人们使用机器学习的方法进行相关分析实验，并取得了一些效果，但是机器学习也存在着一些弊端，在一些复杂的情况下机器学习方法表现的比较乏力。近些年，随着深度学习的兴起，深度学习在处理一些非结构化数据比如文本数据等方面表现出了优于传统方法的效果，在学界和工业界得到了广泛的应用。在深度学习当中，循环神经网络（RNN）由于学习层数的加深，会导致一定的梯度弥散的问题，由此人们提出了一种长短时记忆（LSTM）网络解决该问题。在本文中，我们提出一种深度学习模型——MultiGRU，采用LSTM的一个重要变种GRU进行模型构建。GRU网络较LSTM网络结构更为简单，所需要的参数设置也更少。MultiGRU模型的搭建过程中采用三层GRU堆叠、在GRU层级之间添加Dropout层防止过拟合现象的发生，最后添加一个全连层作为MultiGRU模型的输出层。从IMDB数据集上进行了参数选择实验和多组对比实验，实验论证该模型在损失等方面表现的比LSTM等模型更好。之后将MultiGRU应用到实际的案例当中，在华为手机评论的数据集上证明该模型在预测情感分类问题上具有可行性，后续根据MultiGRU得到的情感分类结果进行高频词统计、LDA主题分析，最后进行语义分析，以进一步挖掘数据中潜藏的有价值的信息。

著录项

作者
李珊;
展开▼
作者单位

辽宁工程技术大学;

展开▼
授予单位辽宁工程技术大学;
学科计算机技术
授予学位硕士
导师姓名邢长征;
年度 2018
页码
总页数
原文格式 PDF
正文语种中文
中图分类神经病学与精神病学;教育心理学;
关键词
学习模型; 情感;

相似文献

中文文献
外文文献
专利

1. 基于Stacking融合深度学习模型和传统机器学习模型的短文本情感分类研究 [J] . 周青松1 ,范兴容2 . 科学大众 . 2018,第003期
2. 基于Stacking融合深度学习模型和传统机器学习模型的短文本情感分类研究 [J] . 周青松 ,范兴容 . 无线互联科技 . 2018,第024期
3. 基于卷积递归深度学习模型的句子级文本情感分类 [J] . 向进勇 ,刘小龙 ,丁明扬 . 东北师大学报：自然科学版 . 2020,第2期
4. 基于深度学习的电商评论情感分析研究 [J] . 伊尔夏提·吐尔贡 . 喀什师范学院学报 . 2020,第003期
5. 基于深度学习的在线学习评论情感分析研究 [J] . 张娜 ,乔德聪 . 河南城建学院学报 . 2020,第004期
6. 基于深度学习模型的多标签图像自动标注 [C] . LI Jian-Cheng ,黎健成 ,YUAN Chun . 第十一届和谐人机环境联合会议 . 2015
7. 基于时序深度学习模型的语音情感识别方法研究 [A] . 陈晓敏 . 2018

基于深度学习模型的情感分析研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅