| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于情感词典与规则的文本情感分析研究现状 | 第11-12页 |
| 1.2.2 基于机器学习的文本情感分析研究现状 | 第12-14页 |
| 1.2.3 基于深度学习的文本情感分析研究现状 | 第14-16页 |
| 1.3 本文主要研究内容 | 第16页 |
| 1.4 本论文的主要工作与组织结构 | 第16-18页 |
| 第2章 相关理论概述 | 第18-34页 |
| 2.1 文本情感分析相关问题概述 | 第18-23页 |
| 2.1.1 文本预处理 | 第19-20页 |
| 2.1.2 文本向量化表示 | 第20-22页 |
| 2.1.3 特征选择和提取 | 第22-23页 |
| 2.2 常见深度学习方法介绍 | 第23-28页 |
| 2.2.1 卷积神经网络 | 第23-24页 |
| 2.2.2 循环神经网络 | 第24-25页 |
| 2.2.3 长短时间记忆网络 | 第25-28页 |
| 2.3 Attention机制 | 第28-31页 |
| 2.4 分类性能评估相关理论 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于ConvBiLSTM网络的文本情感分析 | 第34-47页 |
| 3.1 引言 | 第34页 |
| 3.2 ConvBiLSTM网络结构 | 第34-37页 |
| 3.3 实验设计与结果分析 | 第37-46页 |
| 3.3.1 实验环境及目的 | 第37页 |
| 3.3.2 数据预处理 | 第37-39页 |
| 3.3.3 词向量训练 | 第39-40页 |
| 3.3.4 损失函数优化 | 第40-42页 |
| 3.3.5 实验结果与分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 结合Attention机制的文本情感分析 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 结合Attention机制的网络结构 | 第47-52页 |
| 4.3 实验设计与结果分析 | 第52-58页 |
| 4.3.1 实验环境与目的 | 第52-53页 |
| 4.3.2 实验过程设计 | 第53-54页 |
| 4.3.3 实验结果与分析 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-60页 |
| 5.1 工作总结 | 第59页 |
| 5.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间公开发表论文 | 第64-65页 |
| 致谢 | 第65页 |