| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-24页 |
| 第一节 研究的背景和意义 | 第8-11页 |
| 第二节 国内外研究现状 | 第11-23页 |
| 一、不确定性语料库的构建 | 第11-19页 |
| 二、不确定性判断和分类的方法 | 第19-22页 |
| 三、现有研究的不足 | 第22-23页 |
| 第三节 本文主要内容和章节安排 | 第23-24页 |
| 第二章 中文网络社交媒体不确定性语料库的构建 | 第24-29页 |
| 第一节 网络社交媒体不确定性语料的收集 | 第24-25页 |
| 第二节 标注的规则和方法 | 第25-27页 |
| 第三节 中文网络社交媒体不确定性语料库介绍 | 第27-28页 |
| 第四节 本章小结 | 第28-29页 |
| 第三章 不确定性判断和分类的方法研究 | 第29-55页 |
| 第一节 文本的表示方法 | 第30-34页 |
| 一、独热表示法 | 第30-31页 |
| 二、基于奇异值分解的表示方法 | 第31-32页 |
| 三、Word2Vec表示方法 | 第32-34页 |
| 第二节 基于卷积神经网络的方法 | 第34-40页 |
| 一、卷积神经网络简介 | 第34-36页 |
| 二、卷积神经网络在不确定性判断和分类中的应用 | 第36-40页 |
| 第三节 基于循环神经网络的方法 | 第40-48页 |
| 一、循环神经网络简介 | 第40-47页 |
| 二、循环神经网络在不确定性判断和分类中的应用 | 第47-48页 |
| 第四节 结合注意力机制模型的方法 | 第48-49页 |
| 第五节 基于注意力的LSTM-CNNs不确定性判断和分类模型 | 第49-54页 |
| 一、词表示 | 第51页 |
| 二、词编码 | 第51-52页 |
| 三、卷积分类器 | 第52-54页 |
| 第六节 本章小结 | 第54-55页 |
| 第四章 实验及分析 | 第55-65页 |
| 第一节 实验数据 | 第55-56页 |
| 第二节 实验设置与实现 | 第56-58页 |
| 第三节 实验结果与分析 | 第58-62页 |
| 一、中文不确定性语料库的实验结果 | 第58-60页 |
| 二、英文不确定性语料库的实验结果 | 第60-61页 |
| 三、不确定性分类的实验结果 | 第61-62页 |
| 第四节 模型复杂度分析 | 第62-64页 |
| 第五节 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 作者简历 | 第76页 |