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

1、隨著移動互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)購成了人們?nèi)粘Ｉ畹囊徊糠?。電商網(wǎng)站上存在大量的產(chǎn)品評論信息。挖掘這些評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，也有利于買家對商品做出客觀判斷，從而做出購買決策。面對數(shù)量龐大的評論文本信息，僅靠人工瀏覽去獲取評論的情感傾向費時且費力，如何利用人工智能領域中的相關技術對產(chǎn)品評論自動化地進行情感分析成為了一個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、基于機器學習的方法

2、和基于深度神經(jīng)網(wǎng)絡的方法，隨著大數(shù)據(jù)技術的發(fā)展以及語言的形式越來越多元化，深度神經(jīng)網(wǎng)絡技術成為了自然語言處理領域的主流技術，在情感分析領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)絡的情感分析方法。
　　本研究主要內(nèi)容包括：⑴針對文本情感分析中對文本表示時遇到的維度過高和語義不相關的問題，本文采用word embedding機制，通過神經(jīng)網(wǎng)絡語言模型對大量評論文本進行訓練，并在此基礎上通過distributed represe

3、ntation的方式表示文本，從而將文本映射為一個低維實數(shù)向量。這種文本表示方法同時也可以表達文本的語義信息，有助于神經(jīng)網(wǎng)絡模型對文本更好地理解。⑵針對情感分析任務的特殊性，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distributed representation表示方法的優(yōu)化?？紤]到情感分析中含有情感要素的詞對文本整體情感極性的影響，通過構建情感要素詞典捕捉文本中含有情感要素的詞，并通過構造詞的情感特征

4、向量來表達詞的情感要素，接著與用distributed representation方式表示的詞向量進行特征融合構成多元特征詞向量。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。⑶情感分析的本質是一個分類問題，計算特征權重是分類問題的重要步驟，基于此理論，本文在提出的多元特征詞向量的基礎上，進一步對其優(yōu)化，借鑒特征權重算法為多元特征詞向量分配權重，從而突出對分類更重要的詞。提出的基于權

5、重分配的多元特征詞向量的文本表示方法對傳統(tǒng)的文本表示方法從兩方面進行了改進，豐富了對文本語義的表達，將其作為神經(jīng)網(wǎng)絡分類模型的輸入，更適合神經(jīng)網(wǎng)絡模型對文本進行深層次特征捕捉與情感分類。⑷使用LSTM神經(jīng)網(wǎng)絡模型挖掘文本的深層特征。用基于權重分配的多元特征詞向量表示文本，并作為LSTM神經(jīng)網(wǎng)絡模型的輸入，然后利用LSTM神經(jīng)網(wǎng)絡能夠學習文本中遠距離依賴的特性捕捉文本的序列特征及上下文的依賴關系。最后本文通過和傳統(tǒng)的基于LSTM神經(jīng)網(wǎng)絡的