基于深度学习的中文商品评论情感分析研究

情感分析是自然语言处理的一项重要任务，是计算机科学、人工智能等多种学科和技术融合的产物。本书面向中文商品评论针对情感分析的若干技术进行分析与研究。主要内容包括深度学习的常用模型、中文商品评论情感分析的研究现状、融合知识图谱和预训练模型的情感分析方法、基于序列化标注的端到端细粒度情感分析模型、融合图注意力网络和句法依存关系的方面级情感分析模型。

1 绪论
1.1 研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究综述
1.2.1 在线评论的相关研究
1.2.2 情感分析的相关研究
1.2.3 问题的提出
1.3 研究内容与研究方法
1.3.1 研究内容
1.3.2 研究方法
1.4 研究的主要创新点
2 相关研究和技术
2.1 深度学习的常用模型
2.1.1 长短期记忆网络
2.1.2 门控循环神经网络
2.1.3 注意力机制
2.1.4 图神经网络
2.1.5 BERT预训练模型
2.2 情感分析常用的数据集和词典
2.2.1 情感分析数据集
2.2.2 情感词典
2.3 知识图谱的相关研究
2.4 本章小结
3 基于SAKG-BERT的中文评论句子级情感分析
3.1 引言
3.2 任务定义
3.3 情感知识图谱SAKG的构建
3.4 SAKG-BERT模型
3.4.1 输入层
3.4.2 知识嵌入层
3.4.3 句子表示层
3.4.4 编码层
3.4.5 输出层
3.5 实验与结果分析
3.5.1 数据集
3.5.2 实验基线模型
3.5.3 参数设置
3.5.4 实验结果分析
3.6 本章小结
4 基于AOCP标注体系的端到端细粒度情感分析
4.1 引言
4.2 任务定义
4.3 相关工作
4.4 AOCP标注体系
4.4.1 方面词和观点词的标注
4.4.2 情感极性的标注
4.4.3 方面词和观点词的匹配
4.5 基于BERT+CRF的序列标注模型
4.6 实验与结果分析
4.6.1 中文细粒度情感分析语料库的构建
4.6.2 实验基线
4.6.3 使用AOCP进行序列标注
4.6.4 实验参数及评价指标
4.6.5 实验结果及分析
4.7 本章小结
5 基于OSD-GAT的在线评论方面级情感分析
5.1 引言
5.2 相关研究
5.3 基于OSD-GAT情感分析模型
5.3.1 构建句子关系图
5.3.2 构建以观点词为中心的关系子图
5.3.3 图注意力网络
5.4 实验与结果分析
5.4.1 实验数据及数据处理
5.4.2 实验参数设置
5.4.3 实验结果
5.5 本章小结
6 情感分析在电商问答系统中的应用
6.1 引言
6.2 基于情感分析的问答系统
6.3 系统架构
6.3.1 问题分类器
6.3.2 问答知识图谱的建立
6.3.3 问句分析
6.3.4 实体链接
6.3.5 答案生成
6.4 本章小结
7 结论
参考文献