| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 情感分析的研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 情感分析的研究现状 | 第11-13页 |
| 1.3.2 深度学习的研究现状 | 第13页 |
| 1.4 论文的研究内容 | 第13-14页 |
| 1.5 文本主要工作及结构安排 | 第14-15页 |
| 2 情感分析的理论和方法 | 第15-23页 |
| 2.1 文本情感分析理论 | 第15-16页 |
| 2.1.1 文本情感分析 | 第15页 |
| 2.1.2 文本情感分析的分类 | 第15-16页 |
| 2.2 文本预处理 | 第16-17页 |
| 2.2.1 分词 | 第16页 |
| 2.2.2 词性标注 | 第16-17页 |
| 2.2.3 去停用词和特殊字符 | 第17页 |
| 2.3 文本表示与特征抽取 | 第17-20页 |
| 2.3.1 布尔模型 | 第17页 |
| 2.3.2 向量空间模型 | 第17-18页 |
| 2.3.3 基于TF-IDF的特征提取 | 第18-19页 |
| 2.3.4 基于信息增益(IG)的特征提取 | 第19-20页 |
| 2.3.5 基于Word2vec的特征提取 | 第20页 |
| 2.4 深度学习的相关技术 | 第20-22页 |
| 2.4.1 卷积神经网络 | 第20-21页 |
| 2.4.2 循环神经网络 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于CNNs的微博短文本情感分类 | 第23-32页 |
| 3.1 CNNs模型 | 第23-24页 |
| 3.2 基于CNNs的情感分类模型 | 第24-25页 |
| 3.2.1 模型的输入处理 | 第24-25页 |
| 3.2.2 模型训练 | 第25页 |
| 3.3 算法设计流程 | 第25-29页 |
| 3.3.1 实验设计 | 第25-26页 |
| 3.3.2 语料选取与预处理 | 第26-27页 |
| 3.3.3 词向量训练 | 第27-28页 |
| 3.3.4 模型参数设置 | 第28-29页 |
| 3.3.5 对比实验设置 | 第29页 |
| 3.4 实验评估与结果分析 | 第29-31页 |
| 3.4.1 情感分类的评估标准 | 第29-30页 |
| 3.4.2 实验结果分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于BLSTM-RNN的微博短文本评价对象抽取 | 第32-41页 |
| 4.1 BLSTM-RNN模型 | 第32-34页 |
| 4.1.1 LSTM模型 | 第32-34页 |
| 4.1.2 BLSTM-RNN模型 | 第34页 |
| 4.2 基于BLSTM-RNN的情感要素抽取模型 | 第34-36页 |
| 4.2.1 模型的输入处理 | 第34-35页 |
| 4.2.2 模型结构 | 第35-36页 |
| 4.2.3 模型训练 | 第36页 |
| 4.3 算法设计流程 | 第36-38页 |
| 4.3.1 实验设计 | 第36-37页 |
| 4.3.2 语料选取和预处理 | 第37-38页 |
| 4.3.3 词向量训练 | 第38页 |
| 4.3.4 模型参数设置 | 第38页 |
| 4.4 实验评估与结果分析 | 第38-40页 |
| 4.4.1 评价对象抽取的评估标准 | 第38-39页 |
| 4.4.2 实验结果与分析 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 5 结论与展望 | 第41-43页 |
| 5.1 结论 | 第41页 |
| 5.2 展望 | 第41-43页 |
| 参考文献 | 第43-45页 |
| 附录：攻读硕士学位期间取得的研究成果 | 第45-46页 |
| 致谢 | 第46页 |