基于多元特征融合和LSTM神經(jīng)網(wǎng)絡(luò)的中文評(píng)論情感分析.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)購(gòu)成了人們?nèi)粘Ｉ畹囊徊糠?。電商網(wǎng)站上存在大量的產(chǎn)品評(píng)論信息。挖掘這些評(píng)論的情感傾向不僅可以為商家提供商品的各種信息，方便商家做出銷售決策，也有利于買(mǎi)家對(duì)商品做出客觀判斷，從而做出購(gòu)買(mǎi)決策。面對(duì)數(shù)量龐大的評(píng)論文本信息，僅靠人工瀏覽去獲取評(píng)論的情感傾向費(fèi)時(shí)且費(fèi)力，如何利用人工智能領(lǐng)域中的相關(guān)技術(shù)對(duì)產(chǎn)品評(píng)論自動(dòng)化地進(jìn)行情感分析成為了一個(gè)重要且有意義的課題?，F(xiàn)有的情感分析方法主要有基于規(guī)則的方法、基于機(jī)器學(xué)習(xí)的方法

2、和基于深度神經(jīng)網(wǎng)絡(luò)的方法，隨著大數(shù)據(jù)技術(shù)的發(fā)展以及語(yǔ)言的形式越來(lái)越多元化，深度神經(jīng)網(wǎng)絡(luò)技術(shù)成為了自然語(yǔ)言處理領(lǐng)域的主流技術(shù)，在情感分析領(lǐng)域也取得了很大的突破，本文主要研究基于深度神經(jīng)網(wǎng)絡(luò)的情感分析方法。
　　本研究主要內(nèi)容包括：⑴針對(duì)文本情感分析中對(duì)文本表示時(shí)遇到的維度過(guò)高和語(yǔ)義不相關(guān)的問(wèn)題，本文采用word embedding機(jī)制，通過(guò)神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型對(duì)大量評(píng)論文本進(jìn)行訓(xùn)練，并在此基礎(chǔ)上通過(guò)distributed represe

3、ntation的方式表示文本，從而將文本映射為一個(gè)低維實(shí)數(shù)向量。這種文本表示方法同時(shí)也可以表達(dá)文本的語(yǔ)義信息，有助于神經(jīng)網(wǎng)絡(luò)模型對(duì)文本更好地理解。⑵針對(duì)情感分析任務(wù)的特殊性，本文提出了一種新的文本表示方法----多元特征詞向量。這種表示方法是對(duì)distributed representation表示方法的優(yōu)化。考慮到情感分析中含有情感要素的詞對(duì)文本整體情感極性的影響，通過(guò)構(gòu)建情感要素詞典捕捉文本中含有情感要素的詞，并通過(guò)構(gòu)造詞的情感特征

4、向量來(lái)表達(dá)詞的情感要素，接著與用distributed representation方式表示的詞向量進(jìn)行特征融合構(gòu)成多元特征詞向量。用多元特征詞向量表示的文本不僅含有文本的語(yǔ)義信息，而且可以捕捉文本的情感特征，更適合情感分析任務(wù)。⑶情感分析的本質(zhì)是一個(gè)分類問(wèn)題，計(jì)算特征權(quán)重是分類問(wèn)題的重要步驟，基于此理論，本文在提出的多元特征詞向量的基礎(chǔ)上，進(jìn)一步對(duì)其優(yōu)化，借鑒特征權(quán)重算法為多元特征詞向量分配權(quán)重，從而突出對(duì)分類更重要的詞。提出的基于權(quán)

5、重分配的多元特征詞向量的文本表示方法對(duì)傳統(tǒng)的文本表示方法從兩方面進(jìn)行了改進(jìn)，豐富了對(duì)文本語(yǔ)義的表達(dá)，將其作為神經(jīng)網(wǎng)絡(luò)分類模型的輸入，更適合神經(jīng)網(wǎng)絡(luò)模型對(duì)文本進(jìn)行深層次特征捕捉與情感分類。⑷使用LSTM神經(jīng)網(wǎng)絡(luò)模型挖掘文本的深層特征。用基于權(quán)重分配的多元特征詞向量表示文本，并作為L(zhǎng)STM神經(jīng)網(wǎng)絡(luò)模型的輸入，然后利用LSTM神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)文本中遠(yuǎn)距離依賴的特性捕捉文本的序列特征及上下文的依賴關(guān)系。最后本文通過(guò)和傳統(tǒng)的基于LSTM神經(jīng)網(wǎng)絡(luò)的