中文摘要 | 第4-6页 |
abstract | 第6-7页 |
第一章 引言 | 第11-20页 |
1.1 研究背景及意义 | 第11-13页 |
1.2 研究现状 | 第13-16页 |
1.3 研究内容 | 第16-18页 |
1.4 论文组织结构 | 第18-20页 |
第二章 背景知识 | 第20-26页 |
2.1 不同类型文本情感分析任务 | 第20-21页 |
2.1.1 短文本情感分析 | 第20页 |
2.1.2 特定目标情感分析 | 第20-21页 |
2.1.3 基于方面情感分析 | 第21页 |
2.2 深度网络模型 | 第21-25页 |
2.2.1 卷积神经网络 | 第21-22页 |
2.2.2 卷积神经网络在情感分析任务中的应用 | 第22-24页 |
2.2.3 长短期记忆网络 | 第24-25页 |
2.2.4 长短期记忆网络在情感分析任务中的应用 | 第25页 |
2.3 本章小结 | 第25-26页 |
第三章 基于多通道CNN的短文本情感分析模型 | 第26-37页 |
3.1 特征构建 | 第26-28页 |
3.1.1 词向量特征 | 第26-27页 |
3.1.2 词性向量特征 | 第27页 |
3.1.3 位置向量特征 | 第27-28页 |
3.2 多通道卷积神经网络 | 第28-30页 |
3.2.1 多通道输入 | 第29页 |
3.2.2 模型训练 | 第29-30页 |
3.3 实验 | 第30-36页 |
3.3.1 实验数据及参数设置 | 第30-31页 |
3.3.2 对比实验 | 第31-32页 |
3.3.3 实验结果与分析 | 第32-36页 |
3.4 本章小结 | 第36-37页 |
第四章 基于多注意力CNN的特定目标情感分析模型 | 第37-53页 |
4.1 注意力机制 | 第37-38页 |
4.2 多注意力卷积神经网络 | 第38-45页 |
4.2.1 任务定义 | 第39页 |
4.2.2 方法概述 | 第39-40页 |
4.2.3 词向量注意力机制 | 第40-41页 |
4.2.4 词性注意力机制 | 第41-42页 |
4.2.5 位置注意力机制 | 第42-43页 |
4.2.6 多注意力卷积神经网络模型 | 第43-45页 |
4.3 实验 | 第45-52页 |
4.3.1 实验数据 | 第45-46页 |
4.3.2 参数设置 | 第46页 |
4.3.3 对比实验 | 第46-47页 |
4.3.4 实验结果与分析 | 第47-51页 |
4.3.5 网络训练时间分析 | 第51-52页 |
4.4 本章小结 | 第52-53页 |
第五章 基于门控分层网络的特定目标情感分析模型 | 第53-63页 |
5.1 分层模型 | 第53页 |
5.2 基于门控机制的分层网络模型 | 第53-57页 |
5.2.1 区域划分 | 第55页 |
5.2.2 区域LSTM | 第55-56页 |
5.2.3 句子层CNN | 第56页 |
5.2.4 门控合并层 | 第56-57页 |
5.3 实验 | 第57-62页 |
5.3.1 实验描述及参数设置 | 第57页 |
5.3.2 实验数据 | 第57-58页 |
5.3.3 对比实验 | 第58-59页 |
5.3.4 实验结果与分析 | 第59-61页 |
5.3.5 网络训练时间分析 | 第61-62页 |
5.4 本章小结 | 第62-63页 |
第六章 一种用于基于方面情感分析的分层网络模型 | 第63-76页 |
6.1 结合区域CNN和分层LSTM的深度分层网络模型 | 第63-67页 |
6.1.1 区域CNN | 第64-65页 |
6.1.2 词语层LSTM | 第65-66页 |
6.1.3 句子层LSTM | 第66-67页 |
6.1.4 模型训练 | 第67页 |
6.2 实验 | 第67-75页 |
6.2.1 实验数据 | 第67-68页 |
6.2.2 参数设置 | 第68页 |
6.2.3 对比实验 | 第68-69页 |
6.2.4 实验结果与分析 | 第69-74页 |
6.2.5 网络训练时间分析 | 第74-75页 |
6.3 本章小结 | 第75-76页 |
第七章 总结与展望 | 第76-79页 |
7.1 总结 | 第76-77页 |
7.2 展望 | 第77-79页 |
参考文献 | 第79-86页 |
攻读硕士学位期间公开发表(录用)的论文及参与的项目 | 第86-87页 |
一、公开发表(录用)的学术论文 | 第86页 |
二、参加的科研项目 | 第86-87页 |
致谢 | 第87-88页 |