版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、大數(shù)據(jù)時代,人們所接觸的數(shù)據(jù)在數(shù)量與維度上與日俱增,網(wǎng)絡上有著豐富的量化數(shù)據(jù)和文本數(shù)據(jù),相對于量化數(shù)據(jù),文本數(shù)據(jù)具有比重大,復雜,新穎等特點。其中文本情感分析在大數(shù)據(jù)時代這個背景下不斷地發(fā)展并吸引著大量研究者的關注,如何充分有效地利用文本數(shù)據(jù),挖掘其中所包含的信息是一個巨大又有意義的挑戰(zhàn)。文本分析是指對文本的表示及其特征項的選取;文本分析即讓計算機能夠對于人類文字進行理解和分析,它要從文本數(shù)據(jù)中抽取出文本所包含的特征與信息。本文著重探究
2、的對象是文本情感的有序分類,利用神經(jīng)網(wǎng)絡語言模型word2vec將文本數(shù)據(jù)量化,再通過成對比較有序分類算法將量化數(shù)據(jù)做情感分類,完成文本情感分析。首先為了更好地利用計算機來分析文本數(shù)據(jù),本文利用神經(jīng)網(wǎng)絡語言模型word2vec來對文本數(shù)據(jù)進行量化,相對于其他的方法具有模型簡單、效率高、易調參的優(yōu)點,并且在此基礎上本文結合了其他的特征提取方法,如:TF-IDF,LDA主題模型,再加以優(yōu)化得到詞向量,此綜合法在數(shù)值實驗上取得了更好的效果。另
3、一方面,本文研究的是有序分類問題,提出了成對比較策略的有序分類算法(PairCode),詳細介紹了如何使用成對比較將有序分類轉化成無序分類,再將無序分類結果轉化成有序分類類別,給出了成對比較下類標簽編碼矩陣設計、樣本均衡、分類器訓練、新樣本預測等環(huán)節(jié)中的可行策略。并在數(shù)值實驗中與其他有序分類算法比較,PairCode算法在ACC、MAE、MMAE等有序度量指標上有較好的表現(xiàn),然而,由于PairCode算法本身策略的特點,其分類速度是較慢
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于語義分析的文本情感分類研究.pdf
- 基于情感詞的中文文本情感分類研究.pdf
- 基于深度學習的文本情感分類研究.pdf
- 基于stacking組合的文本情感分類研究.pdf
- 文本情感分類的研究.pdf
- 基于情感詞網(wǎng)的短文本情感分類方法研究.pdf
- 基于支持向量機的金融文本情感分類.pdf
- 基于SVM的文本情感分類研究及應用.pdf
- 基于情感字典與機器學習相結合的文本情感分類.pdf
- 基于JST模型的新聞文本情感分類研究.pdf
- 基于svm的文本情感分類研究及應用
- 基于文本分類技術的文本情感傾向性研究.pdf
- 基于文本分類的微博情感傾向研究.pdf
- 基于內容和情感的文本分類方法研究.pdf
- 基于支持向量機的文本主題分類和情感分類研究.pdf
- 基于文本情感分類的商品評論主題挖掘
- 基于Spark的文本情感分類模型應用研究.pdf
- 基于半監(jiān)督協(xié)同訓練的文本情感分類研究.pdf
- 基于文本情感分類的商品評論主題挖掘.pdf
- 中文文本情感分類的研究.pdf
評論
0/150
提交評論