| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 弹幕情感分类的国内外研究现状 | 第12-13页 |
| 1.2.2 视频关键帧提取的国内外研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.3.1 构建弹幕情感分类语料库 | 第14页 |
| 1.3.2 探索基于深度学习的弹幕情感分类方法 | 第14页 |
| 1.3.3 探索基于聚类算法的视频关键帧提取 | 第14-15页 |
| 1.3.4 基于弹幕情感的视频检索系统的实现 | 第15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第二章 相关技术 | 第18-26页 |
| 2.1 文本情感分类相关技术 | 第18-22页 |
| 2.1.1 基于情感词典的情感分类技术 | 第18-19页 |
| 2.1.2 基于机器学习的情感分类技术 | 第19-21页 |
| 2.1.3 基于深度学习的情感分类技术 | 第21-22页 |
| 2.2 视频关键帧提取相关技术 | 第22-23页 |
| 2.2.1 基于镜头边界 | 第22页 |
| 2.2.2 基于内容分析 | 第22-23页 |
| 2.2.3 基于运动分析 | 第23页 |
| 2.2.4 基于聚类算法 | 第23页 |
| 2.2.5 压缩域中的关键帧提取方法 | 第23页 |
| 2.3 本章小结 | 第23-26页 |
| 第三章 基于深度学习的情感弹幕分类 | 第26-44页 |
| 3.1 语料构造 | 第26-28页 |
| 3.1.1 语料收集 | 第26-27页 |
| 3.1.2 语料预处理 | 第27页 |
| 3.1.3 语料标注 | 第27-28页 |
| 3.2 基于改进深度神经网络的情感分析算法 | 第28-37页 |
| 3.2.1 深度神经网络模型 | 第28-35页 |
| 3.2.2 基于CNN和LSTM改进的网络模型 | 第35-37页 |
| 3.3 实验设置 | 第37-43页 |
| 3.3.1 模型训练与参数设置 | 第37-41页 |
| 3.3.2 实验结果与分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 弹幕视频关键帧的提取 | 第44-58页 |
| 4.1 用于提取关键帧的聚类算法研究 | 第44-48页 |
| 4.1.1 层次聚类 | 第44-47页 |
| 4.1.2 FCM聚类 | 第47-48页 |
| 4.2 改进的关键帧提取方法 | 第48-53页 |
| 4.3 实验与结果分析 | 第53-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 基于弹幕情感类别的视频检索系统的设计与实现 | 第58-68页 |
| 5.1 系统的总体设计 | 第58-59页 |
| 5.2 系统设计过程与结果 | 第59-64页 |
| 5.2.1 系统设计过程 | 第59-60页 |
| 5.2.2 系统的实现结果 | 第60-64页 |
| 5.3 系统测试 | 第64-66页 |
| 5.3.1 测试环境 | 第64页 |
| 5.3.2 测试方法 | 第64-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间研究成果 | 第78页 |