基于深度学习的情绪原因识别方法研究
| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 文本情感分析研究 | 第12-13页 |
| 1.2.2 文本情绪原因识别研究 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 情绪原因识别问题分析 | 第17-23页 |
| 2.1 情绪原因识别问题特点 | 第17-18页 |
| 2.2 多项式朴素贝叶斯 | 第18-19页 |
| 2.3 贝叶斯情绪原因识别方法 | 第19-20页 |
| 2.4 实验结果与分析 | 第20-21页 |
| 2.5 集成神经网络情绪原因识别框架 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于E-CNN的情绪原因识别方法 | 第23-31页 |
| 3.1 E-CNN情绪原因识别方法 | 第23-27页 |
| 3.1.1 CNN模型 | 第23-26页 |
| 3.1.2 E-CNN模型 | 第26-27页 |
| 3.2 实验结果与分析 | 第27-30页 |
| 3.2.1 实验过程 | 第27页 |
| 3.2.2 参数设置 | 第27-28页 |
| 3.2.3 实验结果分析 | 第28-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于E-NN的情绪原因识别方法 | 第31-39页 |
| 4.1 E-NN的情绪原因识别方法 | 第31-35页 |
| 4.1.1 LSTM模型 | 第31-33页 |
| 4.1.2 E-NN集成模型 | 第33-35页 |
| 4.2 实验结果与分析 | 第35-37页 |
| 4.2.1 实验过程 | 第35页 |
| 4.2.2 实验结果分析 | 第35-36页 |
| 4.2.3 错误分析 | 第36-37页 |
| 4.3 本章小结 | 第37-39页 |
| 第五章 结论与展望 | 第39-41页 |
| 5.1 结论 | 第39页 |
| 5.2 展望 | 第39-41页 |
| 参考文献 | 第41-47页 |
| 攻读硕士期间取得的研究成果和参与的科研项目 | 第47-49页 |
| 致谢 | 第49-51页 |
| 个人简况及联系方式 | 第51-54页 |
