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(lǐng)域中的相關(guān)技術(shù)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(shù)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(shù)成為了自然語言處理領(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(guān)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(gòu)建情感要素詞典捕捉文本中含有情感要素的詞，并通過構(gòu)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(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(zhì)是一個分類問題，計算特征權(quán)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(quán)重算法為多元特征詞向量分配權(quán)重，從而突出對分類更重要的詞。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(quán)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?qū)W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(guān)系。最后本文通過和傳統(tǒng)的基于LSTM神經(jīng)網(wǎng)絡的