基于深度学习的文本情感分类算法研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 词语级情感分类 | 第12-14页 |
| 1.2.2 句子级情感分类 | 第14-16页 |
| 1.2.3 文档级情感分类 | 第16-18页 |
| 1.2.4 基于属性和对象的情感分类 | 第18-20页 |
| 1.2.5 存在问题和不足 | 第20页 |
| 1.3 研究内容 | 第20-21页 |
| 1.4 论文结构 | 第21-23页 |
| 第二章 相关技术 | 第23-36页 |
| 2.1 引言 | 第23页 |
| 2.2 循环神经网络 | 第23-28页 |
| 2.2.1 RNN | 第24-25页 |
| 2.2.2 LSTM | 第25-27页 |
| 2.2.3 GRU | 第27-28页 |
| 2.3 卷积神经网络 | 第28-32页 |
| 2.3.1 CNN结构 | 第28-29页 |
| 2.3.2 卷积层 | 第29-31页 |
| 2.3.3 池化层 | 第31-32页 |
| 2.4 文本分布式表示 | 第32-35页 |
| 2.4.1 词向量 | 第32-34页 |
| 2.4.2 段落向量 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 BL_CNN模型 | 第36-41页 |
| 3.1 引言 | 第36页 |
| 3.2 BL_CNN模型 | 第36-40页 |
| 3.4.1 词嵌入层 | 第37页 |
| 3.4.2 双向LSTM层 | 第37-39页 |
| 3.4.3 CNN层 | 第39-40页 |
| 3.4.4 输出层 | 第40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 模型实现 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 数据预处理 | 第41-42页 |
| 4.3 参数初始化 | 第42-43页 |
| 4.4 过拟合处理 | 第43-46页 |
| 4.4.1 变分dropout | 第43-46页 |
| 4.4.2 Early stopping | 第46页 |
| 4.5 模型优化 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 实验结果与分析 | 第48-61页 |
| 5.1 引言 | 第48页 |
| 5.2 实验设计 | 第48-49页 |
| 5.3 实验结果及分析 | 第49-59页 |
| 5.3.1 句子级情感二分类 | 第50-52页 |
| 5.3.2 句子级情感五分类 | 第52-53页 |
| 5.3.3 中文文档级情感二分类 | 第53-56页 |
| 5.3.4 文档级情感二分类 | 第56-57页 |
| 5.3.5 变分dropout验证 | 第57-58页 |
| 5.3.6 实验总结 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 存在问题与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附表 | 第71页 |
