论文部分内容阅读
情感分析是文本挖掘、自然语言处理等领域的重要分支。随着互联网的发展,社交和电商等平台迅速崛起,每天都有大量的文本信息产生,人们经常在微博上发表对某事件发生的看法或者在淘宝上评论购买的产品,对微博、淘宝等平台含有情感倾向的舆论和评论情感分析能够为政府部门和企业的决策提供帮助。传统的情感分析模型是使用机器学习的方法搭建的,而传统的机器学习算法无法提取特征导致情感预测的准确率较低,针对传统机器学习算法准确率较低的问题,本文采用神经网络搭建情感分析模型并结合注意力机制来提升模型的准确率,主要的研究工作和成果如下:(1)考虑到卷积神经网络能够有效提取文本的局部特征,实验分别搭建深度卷积神经网络模型和分段卷积神经网络模型,使用不同的卷积结构提取文本结构特征,并结合word2vec和注意力机制提升情感分析模型的预测能力。(2)考虑到长短期记忆网络能有效地解决传统循环神经网络的远距离依赖问题,双向长短期记忆网络能有效地提取上下文信息,为模型预测时提供更多的情感信息,所以本文使用双向长短期记忆网络搭建情感分析模型并结合word2vec和注意力机制等技术提高了模型的准确率。(3)长短期记忆网络能有效提取上下文信息,卷积神经网络能提取文本局部信息,本文结合这两种神经网络的优点,提出了一种改进的串行混合神经网络模型并融合了多层次注意力机制。在中文酒店评论和英文电影评论数据集上进行了纵向对比实验,并与其他一些现有模型进行了比较,实验结果表明,改进后的模型有较强的学习能力,能够充分提取文本特征,准确率和综合性能指标F值均较优。