基于改进注意力机制的短文本情感分析研究

目录

1 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 机器学习在情感分析领域研究现状

1.2.2 深度学习在情感分析领域研究现状

1.3论文的研究内容

1.4论文章节安排

2 相关技术介绍

2.1 算法框架

2.2 文本特征工程技术

1）基于N-gram模型的特征提取

2）基于POS词性特征的特征提取

3）基于依存句法分析的特征提取

2.3神经网络模型

2.3.1循环神经网络（RNN）

2.3.2长短时记忆网络（LSTM）

2.4 注意力机制网络

2.5 降维技术

2.5.1奇异值分解（SVD）算法

2.5.2张量分解算法

2.6本章小结

3 短文本特征提取算法

3.1 基于依存句法规则的短语特征提取

3.1.1 依存关系构建

3.1.2 依存句法规则

3.2 基于词共现的文本特征提取

3.2.1 词共现矩阵

3.2.2 语义相似度权重计算

3.3 情感分析实验

3.3.1 实验设置

3.3.2 实验结果

3.4 本章小结

4 基于Aspect-Attention记忆网络模型的方面级情感分析

4.1 问题描述

4.2 主要算法

4.3 Aspect-Attention记忆网络

4.3 方面级情感分析实验

4.3.1 实验数据集

4.3.2 对比实验

4.3.3 结果分析

4.5 本章小结

5 基于张量神经网络的方面级情感分析

5.1 算法思想

5.2 基于多特征融合的张量神经网络

5.3 张量权重降维算法

5.3.1 基于CP分解的张量权重降维

5.3.2 基于HOSVD的张量权重降维

5.4 方面级情感分析实验

5.4.1 实验配置

5.4.2 对比实验

5.4.3 结果分析

5.5 本章小结

6 总结与展望

6.1 全文总结

6.2 研究展望

致谢

参考文献

附录 攻读硕士期间的学术成果