基于語言模型和機(jī)器學(xué)習(xí)的文本情感分類研究.pdf

1、在由微博帶來的自媒體時(shí)代，文本情感分類是自然語言處理領(lǐng)域的一個(gè)熱門課題，文本情感分類具有非常廣闊的應(yīng)用前景。文本情感分類又稱文本情感識(shí)別，文本情感識(shí)別的研究是一門新興的融合自然語言處理、計(jì)算機(jī)科學(xué)、信息學(xué)等多學(xué)科的熱點(diǎn)研究課題，正越來越受到國內(nèi)外科研機(jī)構(gòu)和研究人員的重視。本文主要圍繞語言模型和機(jī)器學(xué)習(xí)展開文本情感識(shí)別的研究，在原有結(jié)構(gòu)模型的基礎(chǔ)上從文本特征和分類算法兩個(gè)層面入手提出改進(jìn)的方法，以期提高相關(guān)模型的分類效果，并在文章最后一章

2、提出了一種基于深度學(xué)習(xí)的文本情感識(shí)別結(jié)構(gòu)。本論文的主要研究內(nèi)容和創(chuàng)新點(diǎn)如下:
　　(1)闡述了文本情感分類的研究背景與意義，總結(jié)了當(dāng)前國內(nèi)外的研究現(xiàn)狀，并對(duì)當(dāng)前有待深入研究和解決的理論和技術(shù)問題進(jìn)行了說明。
　　(2)概述了與情感相關(guān)的一些基礎(chǔ)知識(shí)，包括情感的定義與文本情感的分類。接著介紹了文本預(yù)處理技術(shù):中文分詞、停用詞過濾、詞性標(biāo)注。然后闡述了構(gòu)造情感詞典的幾種方法:情感詞詞典構(gòu)造、極性副詞詞典構(gòu)造、表情符號(hào)詞典構(gòu)造。最

3、后重點(diǎn)研究了文本常用特征:詞袋特征、文本向量特征、詞頻特征、詞頻-逆文檔頻率特征;以及特征的提取方法:信息增益、卡方檢驗(yàn)、互信息選擇。
　　(3)本文提出以語言模型作為文本情感分類的特征進(jìn)行文本情感分類，以n-gram語言模型為例介紹了統(tǒng)計(jì)語言模型的構(gòu)造以及常見的平滑算法，接著依次介紹了機(jī)器學(xué)習(xí)領(lǐng)域的三種常見的分類算法:最近鄰分類算法、樸素貝葉斯分類算法、基于支持向量機(jī)的分類算法。最后我們使用三種領(lǐng)域的微博評(píng)論語料對(duì)詞袋模型、TF

4、IDF、語言模型等特征和機(jī)器學(xué)習(xí)的不同分類方法做分類實(shí)驗(yàn)，結(jié)論表明基于語言模型的特征和基于支持向量機(jī)的分類算法取得了最好的效果。
　　(4)提出了文本情感分類中語言模型特征的優(yōu)化和簡(jiǎn)化算法:加入文本句首尾特征、提出主題加權(quán)語言模型，兩種新特征均使識(shí)別效果稍有提升;論述詞聚類的必要性，并提出使用Word2Vec聚類詞從而簡(jiǎn)化語言模型特征數(shù)。
　　(5)介紹了神經(jīng)網(wǎng)絡(luò)的基本原理以及深度學(xué)習(xí)的學(xué)習(xí)規(guī)則和常見模型，并提出使用基于卷積