目標函數(shù)與策略優(yōu)化的文本情感分析研究.pdf

1、文本的情感分析又稱為觀點挖掘，是通過文字針對人對于實體的情緒的分析，主要關注人通過文字所表達的積極或消極的情緒。本課題研究采用統(tǒng)計語言模型，以基于機器學習的方法，以基于詞向量的深度學習算法實現(xiàn)文本的特征提取，以分類器進行文本的情感分類，實現(xiàn)文本的自動情感分析。
　　本研究主要內(nèi)容包括：⑴針對Doc2Vec算法的目標函數(shù)以余弦相似度表征向量差異性的不足，提出一種目標函數(shù)優(yōu)化的文本特征提取算法----T-Doc2Vec算法。T-Doc

2、2Vec算法以擴展的余弦相似度函數(shù)----Tonimoto系數(shù)作為向量相似度函數(shù)，在余弦相似度函數(shù)的基礎上考慮了向量模的影響，能更細致的反映向量之間的差異程度。并通過IMDB數(shù)據(jù)集的測試實驗驗證了算法優(yōu)化的有效性。⑵針對標準鯨魚算法在收斂性和全局性方面的不足，提出一種仿生策略優(yōu)化的混合鯨魚算法(HBWOA)，并通過基準測試函數(shù)集的對比實驗證明了該算法優(yōu)化的收斂性能。仿生策略優(yōu)化的混合鯨魚算法，通過混沌映射初始化種群和自適應調(diào)整搜索策略實