基于迁移学习的学术评论文本情感分析研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

一、课题的意义

情感分析是自然语言处理领域的热门主题，也是自然语言处理商业落地的主要方向之一。在新闻、金融、安全、舆情、媒体等领域，情感分析的研究已经相对成熟，因为在这些领域存在大量可直接利用的数据，如推文、imbd影评等。本文研究的主题是学术评论文本，具体来说，就是对会议投稿论文的审阅意见。过去对于学术评论文本的研究主要有以下几方面的问题：

2. 研究的基本内容和问题

研究的目标:

本研究的目标是构建一种效果优异的应用于学术评论文本的情感分析方法，该方法除了预测文档级的审阅意见倾向之外，也可以利用文档级标签标注出句子级的情感倾向。

3. 研究的方法与方案

研究方法：

1.正则表达式

处于网络环境下的文本信息存在大量噪声，而解决这些噪声，可以还原真实的文本，提升效果。因此，本研究采用正则表达式匹配法，将不属于文本的符号利用正则表达式忽略，只保留具有含义的单词。

4. 研究创新点

1.学术评论领域的情感分析研究非常少，前人的研究所用数据量也小于本次的研究。

2.使用迁移学习技术：利用预训练的模型来作为下游的分类任务，提升模型的效果。

3.使用多实例学习技术，利用粗粒度的标注数据生成细粒度的标签。

5. 研究计划与进展

研究计划：

2019年12月-2020年1月：获取论文所需要的数据

2020年1月-2020年2月：阅读文献，了解近况；学习pytorch的使用