基于深度学习的方面级别评论情感分析-计算机应用技术专业论文.docxVIP

A A Di ssertat ion Submi tted to Z面iang Univers i ty for the Degree of Master of Engineering TITLE：△§乜皇Q主L皇y殳里基皇Y至金迎§叟翌主至堡Q垒主 △旦垒lY墨至墨旦垒兰皇鱼Q垒旦皇Q卫L皇垒!垒主旦g Author： H坠I】i垒望gi望g buDervl S0r： Prof．Deren Chen △兰苎QQ： 里!Q至： 丕i垒Q!i旦圣h金旦g Subject： △乜乜!i金鱼gQ堡巳坠主金!!金鱼塾旦Q!QgY 一r、 m 乙O上1ege： Computer 3C1ence anQ l ecnno-L09V Submi tted Date： January,2014 浙江大学硕士学位论文 浙江大学硕士学位论文 摘要 随着电子商务的快速发展，越来越多的消费者在互联网平台上发表了数以万 计的产品评论。方面级别评论情感分析的主要目的即根据这些评论给出一系列简 明的表达，说明消费者群体对于某一产品的各个方面的喜好程度。传统的情感分 析方法虽然在文档级别的分析上取得了一定成果，但是随着情感分析的粒度细化 到方面级别，这些方法的有效性均大大下降。方面级别的情感分析包括方面分类 和情感分类两部分。从情感分类的角度看，分析方法应具有对高维向量输入进行 有效分割的能力；从方面分类的角度看，分析方法应具有多分类能力。深度学习 算法作为一种新兴的机器学习方法满足高维向量分析和多分类的需求。因此本文 以深度学习算法为基础完成方面级别评论情感分析任务。 首先，本文根据深度神经网络的结构和情感分析的特点提出了从评论文本到 神经网络输入转化的预处理框架，以及深度神经网络内部节点配置的选定算法。 其次，本文根据自然语言处理的相关知识抽取三类文本特征构成特征向量，然后 提出分级深度网络以综合使用各特征向量进行文档级别情感分析，该过程有效地 进行降维并增加分析的准确度。最后，本文根据细粒度分析的需求提出子网络可 复用分级深度网络，同步进行方面分类和情感分类以完成方面级别情感分析。 本文在电影、酒店和数码产品三个不同领域进行了对比试验。使用深度网络 作为分类器的情感分析算法可以达到85％～90％的准确度，尤其在输入向量维数 和输入数据量较大时准确度明显优于使用其他分类器。使用子网络可复用分级深 度网络进行方面级别情感分析，方面分类的Rand Index达No．9以上，而情感分类 的准确度在85％以上，均优于近年来的典型算法(包括基于有监督学习和基于主 题模型的算法)。 关键词： 深度学习，神经网络，评论挖掘，情感分析，方面级别 浙江大学硕士学位论文Abstract 浙江大学硕士学位论文 Abstract With the rapid growth of e-commerce．thousands of product reviews were published web sites the Internet by consumers．The main purpose of aspect—level review sentiment analysis is presenting essential expressions，which would be a view of consumers’interests of the products，to the above reviews．Traditional methods of sentiment analysis did give acceptable results though；when the analysis began to go to fine·-grain of aspect--level the results became poor．Aspect·-level sentiment analysis includes aspect classification and sentiment classification．From the perspective of sentiment classification high dimension processing ability is required；from the perspective of aspect classification multi-class classification ability is required．As a novel universal method of machine learning，the deep learning algorithm has high performances in