论文部分内容阅读
近年来,随着互联网技术的快速发展,各种社交平台以及电商平台的数量急剧增加,用户在互联网上发表意见、表达自己的情感已经成为了人们生活中的经常性行为。利用自然语言技术对互联网中用户发表的各种文本进行分析并从中挖掘出所包含的情感倾向是掌握社会现状及事件动态和获取商家售后信息的重要途径。因此研究文本情感分析方法具有重要的商业价值和社会意义。目前已有的传统的文本情感分析研究方法还存在许多不足:现存的情感词典完备度较低,每个领域所拥有的情感词不同,通用情感词典难以达到理想的效果;传统的词向量技术根据上下文学习获得,包含了语义语法信息,但是缺乏了情感信息,不能很好的解决情感分析任务。针对以上问题,本文利用构建的领域情感词典将情感信息融入到词向量中结合卷积神经网络思想对在线评论文本情感分析进行研究。本文涉及的主要工作有以下几个方面:(1)针对现有的情感词典完备性以及领域适应性较差的问题,整合现有情感词典,同时利用改进的SO-PMI算法以及手机评论语料库构建一个手机评论领域的领域情感词典。(2)针对传统词向量的学习是通过训练学习语言模型而得到的产物,词的分布式表达中仅包含了语义和语法信息,缺乏了情感信息的问题,利用构建的领域情感词典生成情感词向量并与传统词向量拼接融合成一个既包含语义信息又包含情感信息的扩展词向量。(3)将扩展词向量作为输入,在基于卷积神经网络情感分析模型的基础上,针对卷积神经网络中全连接层对非线性分布的数据不能有效的进行情感分类的问题,本文给出了一种基于卷积神经网络和支持向量机相结合的评论文本情感分类模型。最后实验结果表明,本文所给出的融合情感信息的词向量技术与CNN-SVM评论文本情感分类模型在手机评论领域上的情感分类性能有所提高。