基于长短时记忆网络的中文文本情感分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的背景与意义 | 第8-9页 |
| 1.2 国内外的研究现状 | 第9-11页 |
| 1.3 主要工作 | 第11-12页 |
| 1.4 内容安排 | 第12-14页 |
| 第二章 文本处理相关技术综述 | 第14-26页 |
| 2.1 中文分词技术 | 第15-16页 |
| 2.2 词向量和文档向量处理技术 | 第16-21页 |
| 2.2.1 词袋模型 | 第16-17页 |
| 2.2.2 词频统计模型 | 第17-18页 |
| 2.2.3 神经网络训练的词向量 | 第18-21页 |
| 2.3 使用机器学习算法的文本情感分析 | 第21-24页 |
| 2.3.1 语言模型分类算法 | 第21-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 中文文本情感分析 | 第26-42页 |
| 3.1 迭代神经网络的训练过程及问题 | 第26-33页 |
| 3.1.1 迭代神经网络的结构以及训练过程 | 第26-30页 |
| 3.1.2 迭代神经网络在实际训练中的问题 | 第30-33页 |
| 3.2 基于LSTM的模型构建和训练 | 第33-38页 |
| 3.3 中文文本情感分析情境下的LSTM网络流程 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于LSTM模型的对比分析实验 | 第42-56页 |
| 4.1 实验数据集 | 第42-44页 |
| 4.2 实验结果分析 | 第44-54页 |
| 4.2.1 实验结果分析 | 第44-53页 |
| 4.2.2 模型融合实验 | 第53-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 论文主要工作 | 第56页 |
| 5.2 论文工作展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |
