| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究的背景、目的与意义 | 第9-10页 |
| 1.3 国内外相关研究概况 | 第10-14页 |
| 1.3.1 文本情感分析研究现状 | 第11-12页 |
| 1.3.2 文本立场分析研究现状 | 第12-14页 |
| 1.4 本文的主要研究内容和组织结构 | 第14-16页 |
| 第2章 文本立场分析相关技术概述 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 文本情感分析相关技术概述 | 第16-20页 |
| 2.2.1 基于规则的文本情感分析相关技术 | 第16-17页 |
| 2.2.2 基于机器学习的文本情感分析相关技术 | 第17-18页 |
| 2.2.3 基于深度学习的文本情感分析相关技术 | 第18-20页 |
| 2.3 文本立场分析相关技术 | 第20-22页 |
| 2.3.1 基于有监督机器学习的文本立场分析技术 | 第20-21页 |
| 2.3.2 基于弱监督机器学习的立场分析技术 | 第21-22页 |
| 2.4 基于深度学习的立场分析技术 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于卷积神经网络的社交媒体文本立场分析 | 第25-44页 |
| 3.1 引言 | 第25页 |
| 3.2 社交媒体文本立场分析语料库及其文本特点 | 第25-27页 |
| 3.2.1 社交媒体文本立场分析语料 | 第25-26页 |
| 3.2.2 立场分析语料文本特点概述 | 第26-27页 |
| 3.3 基于卷积神经网络的文本立场分析研究 | 第27-33页 |
| 3.3.1 基于Skip-Gram的神经网络词嵌入模型 | 第28-29页 |
| 3.3.2 卷积神经网络 | 第29-30页 |
| 3.3.3 基于卷积神经网络的文本立场分析 | 第30-33页 |
| 3.4 实验结果及分析 | 第33-43页 |
| 3.4.1 实验设置 | 第33-35页 |
| 3.4.2 实验结果及分析 | 第35-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于深层记忆网络的社交媒体文本立场分析 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 深层记忆网络模型 | 第44-47页 |
| 4.2.1 神经网络的记忆机制 | 第44-46页 |
| 4.2.2 端到端的深层记忆网络模型 | 第46-47页 |
| 4.3 基于深层记忆网络的社交媒体文本立场分析方法 | 第47-51页 |
| 4.4 实验设置及结果分析 | 第51-58页 |
| 4.4.1 实验设置 | 第51-52页 |
| 4.4.2 实验结果及分析 | 第52-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-68页 |
| 致谢 | 第68页 |