基于深度学习技术的情感分类方法的研究

《基于深度学习技术的情感分类方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于深度学习技术的情感分类方法的研究2015陈昌浩硕士计算机科学与技术范太华副教授ClassifiedIndex:U.D.C:SouthwestUniversityofScienceandTechnologyMasterDegreeThesisSentimentClassificationBasedonDeepLearningTechnologyGrade:2015Candidate:ChenChangHaoAcademicDegreeAppliedfor:MasterSpeciality:computerscienceandTechnologySuper

2、visor:AssociateProf.FanTaihuaDecember.25.2018西南科技大学硕士研究生学位论文第I页摘要互联网作为人们信息交流与资源共享的平台，保存了大量含有主观性信息的数据。如何从这些海量数据中提取出人们感兴趣、携带观点的文本，并对其进行情感分类是目前研究的热点之一。传统的情感分类方法主要有：基于情感词典的情感分类方法、基于机器学习的情感分类方法。近年来，随着深度学习技术在机器翻译、语音识别、图像处理等领域取得巨大成功，很多研究者把深度学习的方法引入到自然语言处理中。本文采用深度学习技术在清华酒店数据集和采集的豆瓣影评数据集上进

3、行了情感分类研究。针对传统的特征抽取模型丢失词语原来的顺序性，忽略了词语的语义信息的特点，本文采用随机向量、word2vec和词对向量模型，分别在本文设计的长短记忆门型递归神经网络（LSTM-RNN）及门阀单元型递归神经网络（GRU-RNN）两种深度学习模型上进行了模型训练及分类验证。实验结果表明，采用深度学习方法相比传统情感分类方法其分类准确率提高了5个百分点。关键词：情感分类深度学习长短记忆门门控循环单元西南科技大学硕士研究生学位论文第II页AbstractAstheplatformforpeople'sinformationexchangeandre

4、sourcesharing,theInternethaspreservedalotofdatacontainingsubjectiveinformation.Howtoextractthetextsthatpeopleareinterestedinandcarryviewpointsfromthesemassivedataandclassifythememotionallyisoneofthecurrentresearchhotspots.Thetraditionalmethodsofemotionalclassificationmainlyinclude

5、emotionclassificationbasedonemotionaldictionaryandsentimentclassificationbasedonmachinelearning.Inrecentyears,withthegreatsuccessofdeeplearningtechnologyinmachinetranslation,speechrecognition,imageprocessingandotherfields,manyresearchershaveintroduceddeeplearningmethodsintonatural

6、languageprocessing.ThispaperusesdeeplearningtechnologytoconductsentimentclassificationresearchonTsinghuaHoteldatasetandcollectionofDoubanmoviereviewdatasets.Theoriginalsequenceofmissingwordsinthepouchmodelignoresthesemanticfeaturesofthewords.Inthispaper,therandomvector,word2vecand

7、wordpairvectormodelspresentedinthispaperareusedtoextractfeatures.Themodeltrainingandclassificationverificationwerecarriedoutontwokindsofdeeplearningmodels:LSTM-RNNandGRU-RNN.TheexperimentalresultsshowthatComparedwithtraditionalsentimentclassificationmethods,thedeeplearningmethodim

8、provestheclassificationaccuracyby