電子商務作為當下的一種新的購物和營銷渠道,導致了互聯(lián)網(wǎng)中各種服務和產(chǎn)品的評論數(shù)量激增。在這種情況下,屬性級情感分析(Aspect Based Sentiment Analysis,ABSA)——即從文本中提取和總結(jié)有關(guān)特定實體及其屬性的情感傾向,可以幫助消費者選擇企業(yè)和產(chǎn)品,同時也可以幫助企業(yè)更好地監(jiān)控其服務和產(chǎn)品的質(zhì)量并快速了解市場需求。屬性級情感分析旨在識別文本中提到的所有屬性類別及其對應的情感極性,即屬性類別檢測子任務(Aspect-category Detection)和情感分類子任務(Sentiment Classification)。當前存在的絕大多數(shù)方法都分別對這兩個子任務建立模型,盡管在兩個子任務上目前都取得了優(yōu)秀的實驗結(jié)果,然而其提取的都是不完全的用戶觀點,并且上游的屬性類別檢測任務的準確性也會影響到下游的情感分類任務的效果,實用價值大大降低。此外,屬性級情感分析任務需要的數(shù)據(jù)標注十分昂貴,導致可用數(shù)據(jù)極其稀少,也為屬性級情感分析任務帶來許多挑戰(zhàn)�；谝陨蠁栴},本文提出了多種端到端的屬性級情感分析模型,并通過引入預訓練產(chǎn)生的詞向量緩解數(shù)據(jù)稀少的問題。本文的研究內(nèi)容歸為...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

圖2-1中心詞和其上下文詞的示例

哈爾濱工業(yè)大學應用統(tǒng)計碩士學位論文-9-圖2-1中心詞和其上下文詞的示例Word2vec的核心思想就是已知存在一個很大的語料庫，當我們用固定長度的窗口不斷掃過語料庫中的每一個句子時，我們得到位于窗口中間的中心詞及其周邊的上下文詞，而他們的相似度可以用給定中心詞的情況下上下文詞的條....

圖2-2窗口長度為2，中心詞為“into”的上下文詞的概率表示

哈爾濱工業(yè)大學應用統(tǒng)計碩士學位論文-9-圖2-1中心詞和其上下文詞的示例Word2vec的核心思想就是已知存在一個很大的語料庫，當我們用固定長度的窗口不斷掃過語料庫中的每一個句子時，我們得到位于窗口中間的中心詞及其周邊的上下文詞，而他們的相似度可以用給定中心詞的情況下上下文詞的條....

圖2-3窗口長度為2，中心詞為“banking”的上下文詞的概率表示

哈爾濱工業(yè)大學應用統(tǒng)計碩士學位論文-9-圖2-1中心詞和其上下文詞的示例Word2vec的核心思想就是已知存在一個很大的語料庫，當我們用固定長度的窗口不斷掃過語料庫中的每一個句子時，我們得到位于窗口中間的中心詞及其周邊的上下文詞，而他們的相似度可以用給定中心詞的情況下上下文詞的條....

圖2-4fastText模型架構(gòu)圖

妒墾?宦畚?-12-量表示。GloVe具有訓練速度快的優(yōu)點，并且在各項任務的性能比較中，不亞于word2vec的方法。2.1.4fastTextfastText是facebook公司在2016年開源的一款文本分類器。正如其名字一樣，fastText的特點之一就是快，與其它文本分類....

本文編號：4001108