基于图卷积网络的方面级情感分析方法研究

目录

声明

第一章 绪论

1.1 研究背景

1.2 相关工作进行展

1.2.1 传统的方面级情感分析方法

1.2.2 深度学习的方面级情感分析方法

1.3 研究内容与创新点

1.4 论文的组织结构

第二章 图卷积网络

2.1 图表示和预定义

2.2 图卷积网络

2.2.1 基于谱的图卷积网络

2.2.2 基于空间的图卷积网络

2.4 小结

第三章 基于图卷积网络和局部表示的方面级情感分析方法

3.1 引言

3.2 文本图的构建

3.2.1 文本预处理和预定义

3.2.2 共现图的构建方法

3.2.3 句法图的构建方法

3.3 GCNSA模型

3.3.1 文本图表示

3.3.2 基于结构化注意的局部区域表示

3.3.3 方面情感分类

3.3.4 模型训练

3.4 实验与结果

3.4.1数据集

3.4.2实验参数设定

3.4.3比较的方法

3.4.4实验结果

3.5分析和讨论

3.5.1 模型分析

3.5.2 图卷积层数对方法性能的影响

3.5.3 Embedding 层的不同调整策略对性能的影响

3.5.4 共现窗口大小对性能的影响

3.6本章小结

第四章 基于图注意力机制的方面级情感分析方法

4.1 引言

4.2 注意力机制

4.2.1 注意力机制基本原理

4.2.2 图注意力机制

4.3 基于图注意力机制的方面级情感分析模型

4.3.1 文本图注意力模型(GAM)

4.3.2 GCNDA模型

4.4 实验与结果分析

4.4.1 数据集和参数设定

4.4.2 实验结果

4.4.3 参数β对性能的影响

4.4.4 层数对性能的影响

4.5 本章小结

第五章 基于记忆图卷积网络的方面级情感分析方法

5.1 引言

5.2 RGCN：记忆图卷积网络

5.3 基于RGCN的方面级情感分析方法

5.4 实验与结果分析

5.4.1 数据集和参数设定

5.4.2 实验结果

5.4.3 模型分析

5.4.4 层数对模型性能的影响

5.5 本章小结

第六章 基于局部分割和 RGCN的方面级情感分析方法

6.1 引言

6.2 局部分割算法Nibble

6.3 基于局部分割和RGCN的方面级情感分析方法

6.3.1模型结构

6.3.2 局部聚类序列生成算法

6.3.3 局部区域表示

6.3.4 方面情感分类

6.4 实验与结果分析

6.4.1 数据集和参数设定

6.4.2 实验结果

6.4.3 层数对模型性能的影响

6.5 本章小结

第七章 总结与展望

7.1 本文工作总结

7.2 本文工作展望

参考文献

致谢

攻读博士学位期间发表的论文

攻读博士学位期间参加的科研项目