基于细粒度情感分析的意见挖掘算法研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.2 研究现状

1.2.1 粗粒度情感类别分析研究

1.2.2 细粒度情感类别分析研究

1.2.3 细粒度意见抽取分析研究

1.3 论文研究内容与组织架构

2 相关理论与技术基础

2.1 文本表示方法

2.1.1 独热向量表示

2.1.2 语言模型

2.1.3 分布式向量表示

2.2 深度学习神经网络模型

2.2.1 卷积神经网络

2.2.2 循环神经网络

2.3 注意力机制

2.4 意见挖掘评估指标

2.5 本章小结

3 融合句法信息的图卷积网络分类方法

3.1 问题分析及解决方案

3.1.1 问题分析

3.1.2 解决方案

3.2 背景知识

3.2.1 依存句法树

3.2.2 图卷积神经网络结构

3.2.3 LSTM长短时记忆网络

3.3 任务流程

3.4 模型结构

3.4.1 高层编码模块改进：引入依存句法图

3.4.2 高层编码模块改进：融合句法信息的图卷积网络

3.4.3 高层编码模块改进：引入局部上下文遮盖层

3.5 实验结果及分析

3.5.1 实验数据

3.5.2 实验设置

3.5.3 评价方法

3.5.4 实验结果

3.5.5 实验分析

3.6 本章小结

4 联合目标监督信号的意见词抽取模型

4.1 问题分析及解决方案

4.1.1 问题分析

4.1.2 解决方案

4.2 背景知识

4.2.1 序列标注

4.2.2 IOG模型

4.3 任务流程

4.4 模型结构

4.4.1 共享特征提取层改进：卷积层提取文本表征

4.4.2 目标监督学习层：监督信号指导意见词特征学习

4.4.3 输出层

4.5 实验结果及分析

4.5.1 实验数据

4.5.2 实验设置

4.5.3 评价方法

4.5.4 实验结果

4.5.5 实验分析

4.6 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集