網(wǎng)絡(luò)文本情感分析方法研究.pdf

1、網(wǎng)絡(luò)文本情感分析是自然語言領(lǐng)域的一個(gè)重要分支，其目的是發(fā)掘潛藏在非結(jié)構(gòu)化文本數(shù)據(jù)中的情感價(jià)值，一個(gè)好的情感分析方法，不僅能夠高效、準(zhǔn)確地從文本中判斷出情感傾向，同時(shí)也應(yīng)該能夠抽取出與情感相關(guān)聯(lián)的評價(jià)對象，甚至可以對情感強(qiáng)度進(jìn)行量化評估。隨著大數(shù)據(jù)時(shí)代的來臨，網(wǎng)絡(luò)文本呈現(xiàn)出了表述方式多樣、主題分散等特點(diǎn)，使得情感特征提取過程變得愈發(fā)困難。與此同時(shí)，越來越多的互聯(lián)網(wǎng)應(yīng)用表明，對于評價(jià)對象的情感挖掘在多數(shù)情況下要比單純對文本整體進(jìn)行情感判別更

2、具有商業(yè)價(jià)值和實(shí)際意義。因此，基于以上兩方面的問題，本文提出了基于主題聚類的情感極性判別方法以及基于詞性標(biāo)注與遞歸神經(jīng)網(wǎng)絡(luò)結(jié)合的對象與情感關(guān)聯(lián)抽取的方法。具體工作如下：
　　（1）提出了一種基于主題聚類的情感極性判別方法
　　方法借助LDA主題模型首先對文本進(jìn)行主題聚類，然后在每個(gè)主題子類上應(yīng)用循環(huán)神經(jīng)網(wǎng)絡(luò)的方法對正、負(fù)情感樣本分別建立主題模型，最后通過所屬主題和所屬情感的概率進(jìn)行聯(lián)合判斷。通過這種方法，首先通過劃分子類的方

3、式規(guī)整了不同主題下文本的表述方式，限制了不同主題下詞匯詞義改變的問題，其次利用訓(xùn)練語言模型的方法很好地規(guī)避了直接提取特征的困難，將特征的挖掘過程內(nèi)化在了訓(xùn)練模型的過程中。通過在IMDB電影評論樣本上的實(shí)驗(yàn)，我們可以看出，在應(yīng)用了主題聚類后，模型分類的準(zhǔn)確性有了顯著地提高。
　　（2）提出了一種基于詞性標(biāo)注和遞歸神經(jīng)網(wǎng)絡(luò)結(jié)合的對象與情感關(guān)聯(lián)提取方法
　　方法首先對文本句進(jìn)行詞性的標(biāo)注，利用名詞詞性的信息，粗略定位評價(jià)對象在句中

4、所在位置。之后，利用句法分析相關(guān)技術(shù)，對該文本句按照句法規(guī)則生成相應(yīng)的句法樹結(jié)構(gòu)，并標(biāo)記出粗檢測評價(jià)對象所在葉節(jié)點(diǎn)的位置。接下來，在粗檢測評價(jià)對象候選集上，根據(jù)句法樹結(jié)構(gòu)所表示的修飾關(guān)系，排除干擾項(xiàng)，精確定位評價(jià)對象所處位置。最后，借助句法樹的層級遞歸結(jié)構(gòu)，利用遞歸神經(jīng)網(wǎng)絡(luò)傳遞情感信息，并通過不斷兩兩合并句法樹末層節(jié)點(diǎn)，實(shí)現(xiàn)情感極性程度的判別以及情感與對象關(guān)聯(lián)模式的抽取。該方法同樣在IMDB影評數(shù)據(jù)庫上進(jìn)行了應(yīng)用測試并取得了不錯(cuò)的效果。