文本情感特征提取方法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 文本情感特征表示方法研究现状 | 第15-16页 |
| 1.2.2 文本情感特征提取方法研究现状 | 第16-17页 |
| 1.3 主要创新点 | 第17-18页 |
| 1.4 论文主要内容及组织结构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 2 文本情感分类相关原理介绍 | 第20-35页 |
| 2.1 文本情感分类基本流程 | 第20-25页 |
| 2.1.1 文本数据预处理 | 第20-22页 |
| 2.1.2 文本表示 | 第22-24页 |
| 2.1.3 文本特征提取 | 第24页 |
| 2.1.4 分类器 | 第24-25页 |
| 2.2 循环神经网络 | 第25-29页 |
| 2.2.1 长短期记忆神经网络 | 第26-28页 |
| 2.2.2 双向长短期记忆神经网络 | 第28-29页 |
| 2.3 卷积神经网络 | 第29-31页 |
| 2.4 注意力机制 | 第31-32页 |
| 2.4.1 注意力机制原理 | 第31页 |
| 2.4.2 注意力机制在RNN中的应用 | 第31-32页 |
| 2.5 评价指标 | 第32-33页 |
| 2.6 本章小结 | 第33-35页 |
| 3 融合情感特征的文本表达模型 | 第35-46页 |
| 3.1 word2vec原理 | 第35-37页 |
| 3.1.1 CBOW模型 | 第35-36页 |
| 3.1.2 Skip-gram模型 | 第36页 |
| 3.1.3 模型复杂度对比 | 第36-37页 |
| 3.2 属性标注 | 第37-38页 |
| 3.3 W-P词的情感特征表示模型 | 第38页 |
| 3.4 融合情感特征的文本表达模型 | 第38-40页 |
| 3.5 实验过程及分析 | 第40-45页 |
| 3.5.1 实验数据集 | 第40页 |
| 3.5.2 实验环境 | 第40页 |
| 3.5.3 实验设计 | 第40-41页 |
| 3.5.4 实验分析 | 第41-44页 |
| 3.5.5 实验结论 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 4 序列结构化的文本特征提取模型 | 第46-53页 |
| 4.1 注意力机制的应用 | 第46-47页 |
| 4.2 序列结构化的文本特征提取模型 | 第47-49页 |
| 4.3 实验过程及分析 | 第49-52页 |
| 4.3.1 实验设计 | 第49页 |
| 4.3.2 实验分析 | 第49-52页 |
| 4.3.3 实验结论 | 第52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简介 | 第59-60页 |
| 作者攻读硕士学位期间发表的论文 | 第60页 |
