基于深度神經(jīng)網(wǎng)絡(luò)的微博短文本情感分析研究.pdf

1、近年來，隨著社交網(wǎng)絡(luò)的逐漸成熟和移動(dòng)終端技術(shù)的迅猛發(fā)展，微博作為一種網(wǎng)絡(luò)傳播的主要媒體形式，越來越受到人們的青睞。用戶通過在微博上表達(dá)觀點(diǎn)傳播思想，抒發(fā)個(gè)人情感的同時(shí)，也產(chǎn)生了大量帶有個(gè)人主觀情感特征的信息，這些信息中包含著不同趨向的情感特征，進(jìn)而對(duì)網(wǎng)絡(luò)輿情的傳播能產(chǎn)生巨大的影響。本文使用深度學(xué)習(xí)的方法，對(duì)互聯(lián)網(wǎng)上微博短文本的情感分析問題進(jìn)行了相關(guān)研究。具體研究?jī)?nèi)容如下：
　?。?）為了更好的判定微博短文本的情感極性，提出一種基于

2、深度卷積神經(jīng)網(wǎng)絡(luò)模型的情感分類方法。該方法首先將訓(xùn)練的詞向量作為原始特征向量，然后把特征向量送入卷積神經(jīng)網(wǎng)絡(luò)(CNNs，Convolutional Neural Networks)模型進(jìn)一步提取特征，訓(xùn)練出基于該網(wǎng)絡(luò)的情感分類模型，再使用該分類器對(duì)互聯(lián)網(wǎng)短文本進(jìn)行情感分類。實(shí)驗(yàn)比較了基于傳統(tǒng)機(jī)器學(xué)習(xí)的SVM算法與深度學(xué)習(xí)的隨機(jī)生成向量的CNNs模型法和本文提出的方法，最終通過實(shí)驗(yàn)結(jié)果證明了采用本文方法可以有效的進(jìn)行情感分類。
　　

3、（2）針對(duì)微博短文本中評(píng)價(jià)對(duì)象抽取的問題，提出了一種基于雙向長(zhǎng)短時(shí)記憶循環(huán)神經(jīng)網(wǎng)絡(luò)(Bidirectional Long Short-Term Memory，BLSTM)模型的情感要素抽取方法。通過實(shí)驗(yàn)對(duì)比傳統(tǒng)機(jī)器學(xué)習(xí)模型與循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN，Recurrent Neural Networks)、長(zhǎng)短時(shí)循環(huán)神經(jīng)記憶網(wǎng)絡(luò)(Long Short-Term Memory，LSTM)和雙向長(zhǎng)短時(shí)記憶循環(huán)神經(jīng)網(wǎng)絡(luò)這三種深度學(xué)習(xí)模型發(fā)現(xiàn)，采用基于