基于卷积神经网络的中文情感分析.docx

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 目 录 TOC \o "1-3" \h \z \u 前 言 3 第一章 绪 论 4 1.1 研究背景及意义 4 1.2 卷积神经网络概述 4 1.3 本文的主要工作 5 1.4 本文的组织结构 5 第二章 文本情感分析背景知识 7 2.1 文本情感分析的研究现状 7 2.1.1 基于先验知识的分析 8 2.1.2 基于传统机器学习算法的分析 9 2.1.3 基于深度学习方法的分析 9 2.2 文本情感分析的难点 11 2.3 本章小结 11 第三章 基于卷积神经网络的中文情感分析模型 13 3.1 文本数据的预处理 13 3.1.1 基于jieba分词工具的中文文本分词 13 3.1.2 基于NLPIR的分词系统的中文文本分词 14 3.1.3 基于word2vec的文本向量化 14 3.2 卷积神经网络模型 15 3.2.1 训练数据的生成 15 3.2.2 卷积神经网络的优势 16 3.2.3 卷积神经网络模型的构建 16 3.2.4 优化算法与损失计算函数 18 3.3 结合词性标注信息的卷积神经网络结构 19 3.4 本章小结 20 第四章 实验与结果分析 22 4.1 实验环境配置 22 4.2 数据集介绍 23 4.3 实验过程简介 23 4.4 实验结果与对比 24 4.4.1 测试集准确率 24 4.4.2 训练集与验证集准确率 25 4.4.3 典型语句判断结果 26 4.5 本章小结 27 第五章 总结与展望 28 5.1 本文总结 28 5.2 后续工作展望 28 参考文献 30 致 谢 32 摘 要 近年来，随着互联网的发展，自然语言处理(NLP, Natural Language Processing)已经成为一个越来越重要的研究领域。其中，对于网络文本的研究，例如社交网络中文本的研究（如微博、朋友圈中用户所发布的文字内容等）又是一个十分重要的方向。在文本的分析任务中，很重要的一项工作就是对文本中所包含情感的分析。随着深度学习领域技术的不断成熟，关于如何将深度学习技术有效地运用到文本情感分析任务中的这一课题受到了越来越多的关注。 卷积神经网络是深度学习领域中一种非常重要的神经网络结构，目前已经广泛应用于文本分析、图像识别等领域。本文提出了一种可以用于文本分析任务的卷积神经网络模型，通过卷积和池化的操作来对经过预处理的训练数据进行特征提取和学习，并且在学习过程中通过Adam算法来优化模型自身的可学习参数来提高模型识别的准确率。此外，本文还通过将卷积神经网络模型与文本词性标注信息相结合的方式对原始的卷积神经网络模型进行了一定程度的优化，从而使最终得到的模型能有更高的识别准确率。 关键词：深度学习；卷积神经网络；情感分析；词性标注 Abstract In recent years, with the development of the Internet, Natural Language Processing (NLP) has become an increasingly hot research area. Among all the NLP tasks, researches of online texts in social networks (such as microblogs, texts posted by users in Moments of WeChat, etc.) are also of great importance. In text analysis tasks, an important direction is to analyze the sentiment polarity contained in the text. As the technology of the deep learning continues to develop, the study of how to effectively apply deep learning to the text sentiment analysis task has received much more attention than before. Convolutional neural network is a very important neural netw