| 摘要 | 第2-3页 |
| abstract | 第3-4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 国外研究现状 | 第8-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文组织和安排 | 第12-13页 |
| 第二章 情感分类的主要技术介绍 | 第13-23页 |
| 2.1 中文分词 | 第14-15页 |
| 2.1.1 分词技术概述 | 第14页 |
| 2.1.2 jieba分词工具 | 第14-15页 |
| 2.2 停用词(StopWords) | 第15-16页 |
| 2.3 文本表示 | 第16-18页 |
| 2.3.1 离散表示(One-hotrepresentation) | 第16-17页 |
| 2.3.2 分布式表示(distributionrepresentation) | 第17-18页 |
| 2.4 分类算法 | 第18-21页 |
| 2.4.1 朴素贝叶斯(Na?veBayes,NB) | 第18-19页 |
| 2.4.2 支持向量机(SupportVectorMachine,SVM) | 第19-20页 |
| 2.4.3 长短时记忆网络(LongShort-TermMemory,LSTM) | 第20-21页 |
| 2.5 评估标准 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 文本预处理 | 第23-31页 |
| 3.1 自定义分词词典 | 第23-25页 |
| 3.2 词的情感表示 | 第25-28页 |
| 3.3 构建文本情感向量 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 第四章 属性匹配去噪算法 | 第31-37页 |
| 4.1 文本特征分析 | 第31-32页 |
| 4.2 属性提取 | 第32-33页 |
| 4.3 属性匹配 | 第33-35页 |
| 4.4 本章小结 | 第35-37页 |
| 第五章 实验设计 | 第37-43页 |
| 5.1 实验一：基于自定义分词词典的构建 | 第37-38页 |
| 5.2 实验二：基于属性匹配去噪算法 | 第38-39页 |
| 5.3 实验三：构建情感词向量 | 第39-40页 |
| 5.4 实验四：情感词向量+属性匹配去噪算法 | 第40-41页 |
| 5.5 实验结果分析 | 第41-43页 |
| 第六章 总结和展望 | 第43-45页 |
| 6.1 总结 | 第43-44页 |
| 6.2 展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读学位期间的研究成果 | 第49-51页 |
| 致谢 | 第51-53页 |
