基于深度学习的情感词向量及文本情感分析的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-21页 |
| ·研究背景 | 第14-15页 |
| ·相关工作 | 第15-18页 |
| ·本文的研究内容 | 第18-20页 |
| ·本文的组织结构 | 第20-21页 |
| 第二章 相关概念 | 第21-43页 |
| ·词向量 | 第21-31页 |
| ·词向量训练模型 | 第22-29页 |
| ·蕴含情感信息的词向量训练模型 | 第29-31页 |
| ·卷积神经网络模型 | 第31-33页 |
| ·传统的情感分析任务研究方法 | 第33-35页 |
| ·文本预处理 | 第33-34页 |
| ·特征抽取 | 第34-35页 |
| ·监督式机器学习算法 | 第35-38页 |
| ·逻辑回归算法 | 第36-37页 |
| ·支持向量机算法 | 第37-38页 |
| ·数据集介绍 | 第38-41页 |
| ·词向量训练数据集 | 第38-39页 |
| ·情感分析任务数据集 | 第39-40页 |
| ·情感词典数据集 | 第40-41页 |
| ·性能度量 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 提出两个情感词向量的学习框架 | 第43-61页 |
| ·研究动机 | 第43-44页 |
| ·基于Skip-gram的情感词向量学习 | 第44-47页 |
| ·融合式(Mixed)模型 | 第45-46页 |
| ·组合式(Combined)模型 | 第46-47页 |
| ·混合式(Hybrid)模型 | 第47页 |
| ·基于卷积神经网络的情感词向量学习 | 第47-51页 |
| ·融合式(Mixed)模型 | 第49页 |
| ·组合式(Combined)模型 | 第49-50页 |
| ·混合式(Hybrid)模型 | 第50-51页 |
| ·情感词向量的训练过程 | 第51-52页 |
| ·词层面情感词向量实验 | 第52-57页 |
| ·实验数据集 | 第52-53页 |
| ·实验设置及基准系统 | 第53-54页 |
| ·定量实验结果及讨论 | 第54-55页 |
| ·定性实验结果及讨论 | 第55-56页 |
| ·结论 | 第56-57页 |
| ·句子层面情感词向量实验 | 第57-60页 |
| ·数据集及实验设置 | 第57页 |
| ·基准系统 | 第57-58页 |
| ·实验结果及讨论 | 第58-59页 |
| ·结论 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 基于卷积神经网络的情感分类研究 | 第61-69页 |
| ·研究动机 | 第61-62页 |
| ·基于卷积神经网络的情感分类模型 | 第62-64页 |
| ·模型结构 | 第62-63页 |
| ·模型特点 | 第63-64页 |
| ·参数训练 | 第64页 |
| ·实验 | 第64-68页 |
| ·数据集及实验设置 | 第64-65页 |
| ·基准系统 | 第65-66页 |
| ·实验结果及分析 | 第66-68页 |
| ·结论 | 第68页 |
| ·本章小结 | 第68-69页 |
| 第五章 基于情感词向量的情感强度研究 | 第69-79页 |
| ·研究动机 | 第69-70页 |
| ·情感强弱的排序模型 | 第70-74页 |
| ·数据重构 | 第70-71页 |
| ·数据预处理 | 第71-72页 |
| ·特征抽取 | 第72-74页 |
| ·排序模块 | 第74页 |
| ·实验 | 第74-78页 |
| ·数据集 | 第74-75页 |
| ·实验设置 | 第75-76页 |
| ·实验结果及分析 | 第76-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 总结及展望 | 第79-81页 |
| ·本文总结 | 第79-80页 |
| ·未来的工作 | 第80-81页 |
| 攻读学位期间发表的学术论文以及学术成果 | 第81-83页 |
| 参加国际竞赛获奖情况 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90页 |
