基于深度学习的评价对象抽取

《基于深度学习的评价对象抽取》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、学校代妈；＇＇一化类号ＩＩ：ＴＰ３子密级；公开ＵＤＣ：００４．４？学号９＾：１３１４９＇，－必巧苗；娜趴化，二似前為＇？：＾，；渾哪郁端取：Ｖ．■＇＇＇，＾－１＇，！Ｉ，；阪＇－索兩大嗦髮硕±学位论文基于深度学习的评价对象抽取研究生姓名：奎女昌导师姓名：局志强教按申请学位类别工学硕±学位授予单位东南大学－－级学科名称软件工程论文答辩Ｈ期２０１６年Ｓ月２６日二级学科名称学化授予円期２０１６年月日答辩委员会主席餐玉庆教授评阅人２

2、０１６年５月２８日来旬大？雙硕壬学位论文基于深度学习的评价对象抽取专业名称：软件工程研究生姓名；李娟导师姓名：高志强教授本论文受到国家自然科学基金项目的资助，项目号６１１７０１６５。ＯＰＩＭＯＮＴＡＲＧＥＴＥＸＴＲＡＣＴＩＯＮＢ乂ＳＥＤＯＮＤＥＥＰＬＥＡＲＮＩＮＧＡＰＰＲＯＡＣＨＡＴｈｅｓｉｓｓｕｂｍｉｔｔｅｄｔｏＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒｔｈｅＡｃａｄｅｍｉｃＤｅｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｉｎｅｅｒｉｎｇｇｇＢＹＬｉＪｕａｎＳ

3、ｕｐｅｒｖｉｓｅｄｂｙ：Ｐｒｏｆ．ＧａｏＺｈｉｑｉａｎｇＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆ＥｎｇｉｎｅｅｒｉｎｇＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＭａ２８，２０１６ｙ东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研巧工作及取得的研究成果。尽我所知，论，除了文中特别加Ｗ标注和致谢的地方外文中不包含其他人已经发表或撰写过的研巧成果，也不包含为款得东南大学或其它教育机构的学位或证书而使用过一的材料。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明

4、确的说明并表示了谢意。怎诚Ｉ占研究生签名：＾日期：必东南大学学位论文使用授权声明东南大学、、中国科学技术信息研巧所国家图书馆有权保留本人所送交学位论文的复。印件和电子文档，可Ｗ采用影印、缩印或其他复制手段保存论文本人电子文档的内容一致心和纸质论文的内容相。除在保密期内的保密论文外，允许论文被查阅和借阅，可处公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研巧生院办理。後研巧生签名：Ｍ导师編名：讫下／乙日期：么心＜３ｌＡ＼摘要评价对象抽取属于细粒度的情感分析子任务，其目的是从包

5、含观点的评论文本中抽取细粒度的评价对象。目前评价对象抽取的研究主要集中于无监督的方法和有监督的。浅层模型，基于深层模型的评价对象抽取方法相对较少无监督的方法和浅层模型能够表现出良好的性能，但是依赖于人工设计的规则或观点词词典，不仅人工代价很高而且泛化能力较差。深度学习专注于自动发现从底层特征到高层概念的抽象过程，无需依赖人工的方法构造特征。因此，本文提出利用堆叠自动编码器的深层模型来抽取评价对象。该模型仅Ｗ词向量作为输入特征，不需要人工设计抽取规则和观点词词典。本文的主要研巧内容包搞１模型构建。本文使用的堆叠自动编码

6、器模型词向量作为输入，自动编码器作为隐（）藏层，Ｓｏｆｔｍａｘ回归模型作为输出层。模型的训练分为无监督的预训练和有监督的参数调优。（２）模型改进。本文利用贪婪算法对堆叠自动编码器模型进巧改进。原始的堆叠降噪自动编巧器模型是用于分类任务的模型，本文将评价对象抽取任务看作序列标记任务。因此利用贪婪算法对模型进行改进，使原本用于分类任务的模型适用于序列标记任务。３）模型选择。本文设置多狙实验，对比模型的深度、文本窗曰大小等参数和防止模型（过拟合的方法对模型性能的影响。防止模型过巧合的方法包括Ｌ２权重惩罚、稀疏自动编码器、降

7、噪自动编码器和Ｄｒｏｐｏ山方法。ＳｅｍＥｖａ－２０４实验结果验证了本文所提方法的有效性。本文在ｌ１的两个数据集（Ｌａｐｔｏｐ和Ｒｅｓｔａｕｒａｎｔ）上，与该评测中最好的结果进行了对比。对于Ｌａｐｔｏｐ数据集，本文的模型（巧值为７２．４２％）比受限模型中表现最好的模型（巧值为７０．４０％）抽取效果更好；对于Ｒｅｓｔａｕｒａｎｔ数据集，本文的模型（巧值为８２．４３％）接近受限模型中表现最好的模型（巧值为８３．％％）。关巧词：评价对象抽取；深度学习；堆叠自动编码器；情感分析ＩＡｂｓｔｒａｃｔ－Ｏｉｎｉｏｎｔａｒｇｅｔｅ

8、ｘｔｒａｃｔｉｏｎｗｈｉｃｈａｉｍｓＵ）ｉｄｅｎｔｉｆｉｎｅｇｒａｉｎｅｄｏｉｎｉｏｎ