基于长短期记忆多维主题微博情感倾向性分析
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题背景与研究意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 微博情感分析的国内外研究现状 | 第10-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 深度学习研究现状 | 第14-15页 |
| 1.4 本文的研究工作 | 第15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第2章 相关理论和技术 | 第17-28页 |
| 2.1 微博概述 | 第17-19页 |
| 2.1.1 微博特点分析 | 第17-18页 |
| 2.1.2 微博情感分析 | 第18-19页 |
| 2.2 数据源及预处理 | 第19-21页 |
| 2.2.1 数据源 | 第19页 |
| 2.2.2 预处理 | 第19-20页 |
| 2.2.3 文本表示 | 第20-21页 |
| 2.3 深度学习分类方法 | 第21-26页 |
| 2.4 评价方法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 构建基于标点的机器学习特征识别模型 | 第28-36页 |
| 3.1 概述 | 第28-29页 |
| 3.2 构建简单机器学习模型 | 第29-32页 |
| 3.2.1 特征选择 | 第29页 |
| 3.2.2 特征权重 | 第29-30页 |
| 3.2.3 分类方法 | 第30-32页 |
| 3.3 构建基于标点的特征识别模型 | 第32-33页 |
| 3.3.1 基于特殊标点的特征识别模型 | 第32页 |
| 3.3.2 基于问号和否定词的特征识别模型 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-35页 |
| 3.4.1 特征识别对分类结果的影响 | 第33页 |
| 3.4.2 维度对分类结果的影响 | 第33-34页 |
| 3.4.3 核函数对分类结果的影响 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 构建基于深度学习的微博情感倾向性模型 | 第36-48页 |
| 4.1 概述 | 第36页 |
| 4.2 相关技术原理 | 第36-40页 |
| 4.2.1 激活函数 | 第36-37页 |
| 4.2.2 初始化 | 第37页 |
| 4.2.3 循环神经网络 | 第37-39页 |
| 4.2.4 长短期记忆模型 | 第39-40页 |
| 4.3 模型架构 | 第40-46页 |
| 4.3.1 整体架构 | 第40-41页 |
| 4.3.2 三维长短期记忆模型 | 第41-44页 |
| 4.3.3 多维长短期记忆模型 | 第44-45页 |
| 4.3.4 微博主题分类 | 第45-46页 |
| 4.4 模型训练 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 实证分析 | 第48-54页 |
| 5.1 模型性能对比实验 | 第48-50页 |
| 5.1.1 训练性能对比 | 第48-49页 |
| 5.1.2 倾向性分析性能对比 | 第49-50页 |
| 5.2 模型性能分析 | 第50-53页 |
| 5.2.1 激活函数对分类结果的影响 | 第50页 |
| 5.2.2 初始化对分类结果的影响 | 第50-51页 |
| 5.2.3 主题性能分析 | 第51-52页 |
| 5.2.4 综合性能分析 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读学位期间的研究成果 | 第62页 |
