基于深度学习的汉语解释性意见关系识别方法研究与实现

基于深度学习的汉语解释性意见关系识别方法研究与实现

ID:23935912

大小:288.38 KB

页数:67页

时间:2018-11-11

基于深度学习的汉语解释性意见关系识别方法研究与实现_第1页
基于深度学习的汉语解释性意见关系识别方法研究与实现_第2页
基于深度学习的汉语解释性意见关系识别方法研究与实现_第3页
基于深度学习的汉语解释性意见关系识别方法研究与实现_第4页
基于深度学习的汉语解释性意见关系识别方法研究与实现_第5页
资源描述:

《基于深度学习的汉语解释性意见关系识别方法研究与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号UDC密级公开硕士研究生学位论文基于深度学习的汉语解释性意见关系识别方法研究与实现申请人:穆明武学号:2151333培养单位:计算机科学技术学院学科专业:计算机科学与技术研究方向:自然语言处理指导教师:付国宏教授完成日期:2018年5月26日中文摘要近年来,以电子商务、网络媒体为代表的各类互联网平台和应用逐渐普及,海量的用户生成内容(User-GeneratedContent,UGC)随之产生。如何从海量的用户生成内容中提取有用的信息成为当今学术界的重要研究课题。意见挖掘系统的产生,为上述问题提供了解决方案。现有的意见挖掘系统在意见要

2、素识别、解释性意见句识别、解释性意见片段极性分类工作中取得了重大进展,而对解释性意见要素之间存在的关系所开展的研究工作却非常有限。本文面向产品评论,运用深度学习方法,探索在不同的神经网络框架下,解释性意见关系识别性能,并根据实验结果进行理论分析,得出相应的结论。具体可分为以下三个方面:(1)基于CNN(ConvolutionalNeuralNetwork)的汉语解释性意见关系识别:基于CNN框架,采用特征预训练的方法,探究距离特征以及极性特征对于解释性意见关系识别的影响。实验结果表明,距离特征以及极性特征的引入对于实验性能的提升有着重要的作

3、用,距离特征优于极性特征。(2)基于LSTM(LongShort-TermMemory)的汉语解释性意见关系识别:针对上下文信息以及语义信息对于解释性意见关系识别的影响,采用LSTM框架以及Tree-LSTM(Tree-StructuredLongShort-TermMemory)框架分别进行了解释性意见关系识别实验。实验结果表明,LSTM性能优于Tree-LSTM。(3)基于Attention的汉语解释性意见关系识别:为了进一步探究不同框架对于汉语解释性意见关系识别的影响,引入Attention框架,同时把Attention框架与CNN框

4、架以及LSTM框架相结合,进行了Attention、CNN-Attention和LSTM-Attention框架下的汉语解释性意见关系识别实验。实验结果表明,LSTM-Attention框架优于Attention框架,Attention框架优于CNN-Attention框架。关键词:意见挖掘;意见关系识别;CNN;LSTM;Attention-I-AbstractInrecentyears,withthepopularizationandapplicationoftheInternet,varioustypesofe-commercepla

5、tformsandmedianetworkshaveemergedoneafteranother,andalargeamountofUser-GeneratedContent(UGC)hasemerged.Howtoextractusefulinformationfrommassiveamountsofuser-generatedcontenthasbecomeanimportantworkintheacademicworldtoday.Theemergenceofopinionminingsystemsprovidesasolutiont

6、otheaboveissues.Theexistingopinionminingsystemhasmadesignificantprogressintheidentificationofopinionelements,theidentificationofexplanatorycomments,andthecategorizationofexplanatorycomments.However,fewstudieshavebeenconductedontherelationshipsbetweentheexplanatoryelements.

7、.Thisarticleisaimedatproductreviewsanduseddeeplearningmethodstoexploretheperformanceofexplanatoryrelationshiprecognitionunderdifferentneuralnetworktotheexperimentalresultsanddrawthecorrespondingconclusions.Specifically,thisarticlewillstudyfromthefollowingthreeaspects:(1)CN

8、N-basedChineseexplanatoryopinionrelationshiprecognition:Firstly,theexplanatoryopinionrela

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。