目录
摘要.............................................................................................I ABSTRACT......................................................................................III 第1章绪论 (1)
1.1课题背景 (1)
1.2研究目的和意义 (2)
1.3国内外研究现状与分析 (4)
1.3.1文本表示概述 (4)
1.3.2情感分类研究现状 (7)
1.3.3情感要素抽取研究现状 (9)
1.3.4评价对象的情感倾向性判定研究 (12)
1.4本文的研究内容 (13)
第2章基于主动学习的领域自适应研究 (16)
2.1研究背景 (16)
2.2基本原理 (18)
2.2.1卷积神经网络模型 (18)
2.2.2词向量联合训练 (19)
2.2.3基于主动学习的领域自适应方法 (22)
2.3实验结果与分析 (26)
2.3.1实验数据与评价指标 (26)
2.3.2参数设定 (26)
2.3.3模型比较实验 (26)
2.3.4联合训练词向量实验 (29)
2.3.5领域迁移实验 (30)
2.4本章小结 (32)
第3章基于双向循环神经网络的评价对象抽取研究 (33)
3.1研究背景 (33)
3.2基本原理 (34)
3.2.1循环神经网络 (34)
3.2.2双向循环神经网络 (35)
-V-
3.2.3特征选择 (37)
3.2.4处理流程 (37)
3.3实验结果与分析 (39)
3.3.1实验数据与评价指标 (39)
3.3.2确定最佳隐藏神经元规模实验 (40)
3.3.3特征组合实验 (41)
3.3.4评价对象抽取实验 (42)
3.4本章小结 (43)
第4章基于联合深度学习模型的评价对象情感倾向判定研究 (44)
4.1研究背景 (44)
4.2基本原理 (45)
4.2.1词的向量化 (45)
4.2.2基于长短期记忆模型的上下文embedding (46)
4.2.3基于卷积神经网络的特征抽取 (49)
4.2.4判定评价对象的情感倾向方法 (50)
4.2.5训练过程 (51)
4.3实验结果与分析 (51)
4.3.1实验数据 (51)
4.3.2分句的情感分类实验 (52)
4.3.3基于LSTM的上下文embedding分析实验 (53)
4.3.4情感词与修饰词分析实验 (55)
4.3.5网络新词与情感短语分析实验 (56)
4.3.6评价对象情感倾向性判定实验 (56)
4.4本章小结 (57)
结论 (58)
参考文献 (60)
攻读硕士学位期间发表的论文及其他成果 (69)
哈尔滨工业大学学位论文原创性声明和使用权限 (70)
致谢 (71)
-VI-
第1章绪论
1.1课题背景
随着李克强总理提出制定“互联网+”计划以来，互联网愈来愈和每个人的工作生活息息相关。每天人们都通过互联网接收与发送信息，享受着互联网为工作生活所带来的便捷。在web2.0的大背景下，其信息传播和传统传媒相比，呈现出很大的不同，具体表现为信息源的多源化、内容的碎片化与数量的海量化。针对这些新特点，如何使用自然语言处理（Natural Language Processing，NLP）技术，对这些信息进行自动地分析与处理并从中提炼中人们所关注的信息，提出了新的挑战。以电子商务为例，这几年我国的电子商务持续保持着快速发展的态势。从2008年到2013年的5年来，平均增长率超过80%，市场规模已超过美国，成为全球最大的网络零售市场。由于互联网直接连接了消费者和生产厂家，消费者在购物时不再被城市位置所局限，有了更多的选择。但多也有多的烦恼，面对网上琳琅满目而泥沙俱下的产品，用户往往会参考已经购买过该产品的用户评论，但这种评论数量往往非常巨大，用户根本没有精力和时间全部看完，而且有时候用户并不是关注一两条评论，而是评论的总体信息分布，并与其它产品的评论分布进行比较，从而作出最终的购买决定。
情感分析，也称观点挖掘，是分析人们对产品评论、商家服务、热点事件等网络文本的观点、情感与态度的一项研究。自2000年以来，情感分析愈来愈成为一个富有吸引力的研究领域，主要有以下这些原因：首先，情感分析技术具有非常广泛的应用领域，从产品、金融服务到社会事件与政治选举都有所涉及。例如，当应用于产品评论时，可以帮助用户作出购买决策，为生产企业的未来发展规划提供重要依据；当应用于新闻评论时，可以帮助政府进行與情监控，创建正确的舆论导向；甚至应用于金融评论时，可以预测股票走向[1]。其次，情感分析是一个有挑战性的任务，传统NLP研究所面临的复杂性、多义性与语境相关性等问题，在情感分析中显得更加突出。最后，网络中不断产生的海量评论既为情感分析提供了需求，也为情感分析的研究思路提供了方向，即如何有效利用这些海量的数据用于情感分析是非常值得研究的课题。近年来，随着电子商务的发展，越来越多的人通过网络来购买商品，人们在购买商品后，会根据他们的使用体验，在网上作出评论，这些评论一般长度较短，数量
-1-