基于多层融合词嵌入模型的文本情感分析研究.pdfVIP

杭州电子科技大学博士（硕士）学位论文

摘要

随着工业的发展和信息技术的进步，人类的情感倾向在社会中所占比重逐渐

增大，甚至影响着社会发展的方向。自媒体时代为我们发声带来更加广阔的平台，

使我们表达自己的观点和情绪变得更加便捷。但便捷的同时带来的是数据的海量

增长，网络匕的数据每天飞速更新增长，如何从这些大量的信息中高效精准的获

取我们需要的用户情感信息，是行业致胜的关键。在自然语言处理领域里，通过

让机器自主学习情感分类的规则，然后就能够高效快速且精准的完成情感分析任

务。

但是情感信息具有主观，抽象等特点，情感分析任务对语料库的语义理解精

确度则要求更高，而语料库的语义信息都包含在文本向量模型中，那么情感分析

任务选用何种文本表示模型来表示文本语义信息就显得至关重要。而现有的面向

情感分析任务的文本表示方法多针对一个方面建模，不免会一些高维稀疏、缺少

语义信息等间题，不利于情感分析任务的进行。

因此，本研究拟改进现有的语言模型，在控制文本矩阵向量维度的前提下，

丰富向量所含的语义信息。从而能够解决文本向量矩阵维度过高造成的稀疏和语

义缺失等间题。在研究过程中，首先分别选择从同频统计、文本主题和同嵌入三

种思想同进行同向量建模，同袋模型中选择了TF-IDF方法，主题模型采用LDA

模型，同嵌入则选择”””d2”ec、fa”tte“t和gi””e三个模型。然后以同嵌入模型为

基础，对匕面选择的模型进行处理和融合，分别形成包含更丰富语义信息的双层

和多层低维融合向量模型。最后在中英文的文本语料匕分别进行情感分析任务实

验，井对实验结果进行整理。实验结果表明，本研究所提出的改进后的融合模型

中，融合了gi””e方法的双层模型的TG和多层模型的TLGC在中英文语料库匕

的表现效果均好于融合”””d2”ec和fa”tte“t方法的模型。英文语料库的预测结果

整体高于中文语料库。

关键词：同嵌入模型，文本表示，情感分析，NLP

I

杭州电子科技大学博士（硕士）学位论文

ABSTRACT

Withthede”ei”P”e”t”fi”d“”t”ya”dtheP””g”e”””fi”f”””ati””tech””i”gy,the

P””P””ti”””fh“”a”e””ti””te”de”cyi”the””cietyi”i”c”ea”i”gg”ad“aiiy,a”dit

e”e”affect”thedi”ecti”””f””ciaide”ei”P”e”t.The”e”ediae”aP”””ide”“””ith

ab””ade”Piatf”””t”e“P”e”””“””ie””a”de””ti”””,”ahi”git”””ec”””e”ie”tf””

“”t”e“P”e”””“””ei”e”.H””e”e”,thec”””e”ie”ceai””b”i”g””a””i”eg”””th”fdata.

Thedata””the”et”””hi”“Pdated”aPidiye”e”yday.H””t””btai”thee””ti””ai

i”f”””ati”””f“”e”””e”eedefficie”tiya”dacc“”ateiyf”””the”eia”gea””“”t””f

i”f”””ati””i”theheyt”the”“cce”””fthei”d“”t”y.I”thefieid”f”at“”aiia”g“age

P””ce””i”g,byaii””i”g”achi”e”t”a“t”””””“”iyiea””the”“ie””fe””ti””

cia””ificati””,theyca”the”efficie”tiy,q“ichiya”dacc“”ateiyc””Piete