| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-18页 |
| 1.1 研究背景与意义 | 第15页 |
| 1.2 研究问题和挑战 | 第15-17页 |
| 1.2.1 情感分类 | 第15-16页 |
| 1.2.2 跨领域情感分类 | 第16-17页 |
| 1.3 本文组织结构 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 情感分类与深度学习相关研究综述 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 情感分类研究综述 | 第18-20页 |
| 2.2.1 基于词典的情感分类方法 | 第19页 |
| 2.2.2 基于机器学习的情感分类方法 | 第19-20页 |
| 2.3 跨领域情感分类研究综述 | 第20-25页 |
| 2.3.1 跨领域情感分类的研究动机 | 第20-21页 |
| 2.3.2 跨领域情感分类方法 | 第21-25页 |
| 2.4 深度学习模型研究综述 | 第25-29页 |
| 2.4.1 深度学习的研究现状 | 第25-27页 |
| 2.4.2 深度学习模型的应用 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于分段池化卷积神经网络的情感分类方法研究 | 第30-40页 |
| 3.1 引言 | 第30-32页 |
| 3.2 基于分段池化卷积神经网络的情感分类方法 | 第32-34页 |
| 3.2.1 单词表示 | 第33页 |
| 3.2.2 卷积操作 | 第33页 |
| 3.2.3 分段池化 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-39页 |
| 3.3.1 实验数据集 | 第34-35页 |
| 3.3.2 参数和资源 | 第35页 |
| 3.3.3 对比算法及性能比较 | 第35-37页 |
| 3.3.4 分段的有效性分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于word2vec的跨领域情感分类方法研究 | 第40-52页 |
| 4.1 引言 | 第40-41页 |
| 4.2 基于word2vec的跨领域情感分类方法 | 第41-44页 |
| 4.2.1 选择种子特征 | 第42页 |
| 4.2.2 词向量构建 | 第42-43页 |
| 4.2.3 特征扩充 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-51页 |
| 4.3.1 实验数据集与对比算法 | 第44-46页 |
| 4.3.2 词向量计算的有效性 | 第46-47页 |
| 4.3.3 分类精度对比 | 第47-49页 |
| 4.3.4 算法随数据集大小变化的稳定性 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 未来展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第60-61页 |