基于深度学习的文本情感分析算法研究

摘要

随着网络的发展和移动设备的普及，产生了大量的数据。在社交媒体、生活、工作的各个方面产生了大量的数据，其中既有大量的文本信息、也包括声音图像等这类数据。这些非结构的文本数据，表达了作者大量的情感和思想以及看法，如何从数据中提取到作者的真实情感，以及如何利用这些情感数据，比如说对用户进行用户画像、建立知识图谱、方便精准营销，无论在科研还是实际应用中具有非常大的价值。最近这几年，因为深度学习技术在自然语言处理方面进展很大，这篇文章主要是研究基于深度学习的文本情感分析方法，本文的主要内容是包括以下，首先基于cnn的文本情感分析算法模型，并将该模型应用于文本情感分析任务。其次基于长短期记忆网络的文本情感分析网络模型，并将该模型应用于文本情感分析任务，最后探索双向lstm+attention模块应用文本分析任务，深度学习技术能有效提升文本情感分析的性能，并且进一步提升文本情感分析的性能。

关键词:　卷积神经网络、长短期记忆网络、attention机制

目录

摘要 I

第1章 绪论 3

1.1课题背景与意义 3

1.1.1课题背景 3

1.1.2 研究意义 3

1.2 国内外研究现状 4

1.3本文的主要研究内容和组织结构 4

第2章 文本情感分析及深度学习相关技术 5

2.1 引言 5

2.2 基于深度学习的文本情感分析相关技术 5

2.2.1深度神经语言模型相关技术 5

2.2.2基于深度学习的文本情感分析方法 6

2.3本章小结 6

第3章 基于卷积的文本情感分析 7

3.1 引言 7

3.2 基于卷积神经网络的文本情感分析 7

3.2.1 卷积神经网络模型 7

3.2.2基于卷积神经网络的文本情感分析模型 9

第4章 基于循环神经网络的文本情感分析 11

4.1 引言 11

4.2 基于深度神经网络的词向量构造模型 11

4.3 长短期记忆循环神经网络模型 13

4.3.1 循环神经网络模型 13

4.3.2 长短期记忆循环神经网络 15

4.4 基于长短期记忆循环神经网络的文本情感分析 17

4.5 本章小结 17

第5章 基于注意力机制的文本情感分析 18

5.1 引言 18

5.2 基于注意力机制的文本情感分析 18

5.2.1注意力机制模型 18

5.2.2 注意力机制中的文本情分分析模型 20

5.3 实验设置与结果分析 22

5.3.1 实验设置 22

5.3.2实验模型 22

5.3.3结果分析 24

5.4 本章小结 24

第6章 结论 25

参考文献 26

致谢 28