基于卷积神经网络的中文情感分析研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 基于语义方法的研究现状 | 第12-13页 |
| 1.2.2 基于机器学习算法的研究现状 | 第13-14页 |
| 1.2.3 基于深度学习的研究现状 | 第14-15页 |
| 1.3 本文的研究工作 | 第15-16页 |
| 1.4 本文的结构组织 | 第16-18页 |
| 第二章 相关技术和理论基础 | 第18-33页 |
| 2.1 神经网络结构 | 第18-26页 |
| 2.1.1 人工神经网络 | 第18-19页 |
| 2.1.2 前馈神经网络 | 第19-21页 |
| 2.1.3 卷积神经网络 | 第21-23页 |
| 2.1.4 句子卷积神经网络 | 第23-24页 |
| 2.1.5 训练方法 | 第24-26页 |
| 2.2 机器学习相关算法 | 第26-30页 |
| 2.2.1 二项逻辑斯蒂回归模型 | 第26-28页 |
| 2.2.2 随机森林 | 第28-29页 |
| 2.2.3 支持向量机 | 第29-30页 |
| 2.3 情感分析相关技术 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于动态多池卷积神经网络的情感分析模型 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 问题提出 | 第33-34页 |
| 3.3 模型构建 | 第34-38页 |
| 3.3.1 情感词向量 | 第34-35页 |
| 3.3.2 动态多池卷积神经网络模型 | 第35-38页 |
| 3.3.3 目标函数 | 第38页 |
| 3.4 实验及结果分析 | 第38-44页 |
| 3.4.1 实验流程 | 第39-41页 |
| 3.4.2 实验结果与分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 结合产品特征的评论情感分类模型 | 第45-61页 |
| 4.1 引言 | 第45页 |
| 4.2 问题提出 | 第45-46页 |
| 4.3 一致性假设验证 | 第46-48页 |
| 4.4 基于产品级词向量的权重卷积神经网络模型 | 第48-52页 |
| 4.4.1 产品级词向量输入层 | 第48-49页 |
| 4.4.2 卷积层 | 第49-50页 |
| 4.4.3 权重池化层 | 第50-51页 |
| 4.4.4 输出层 | 第51页 |
| 4.4.5 时间复杂度 | 第51-52页 |
| 4.5 实验及结果分析 | 第52-59页 |
| 4.5.1 实验流程 | 第52-56页 |
| 4.5.2 实验结果与分析 | 第56-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 附录 (攻读硕士期间发表论文目录) | 第71页 |
