| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 维度情感识别研究现状 | 第11-17页 |
| 1.2.1 维度情感描述 | 第11-12页 |
| 1.2.2 维度情感识别中的上下文描述 | 第12-14页 |
| 1.2.3 基于上下文的维度情感识别方法研究现状 | 第14-17页 |
| 1.3 维度情感识别方法主要挑战 | 第17-18页 |
| 1.4 本文研究内容及主要工作 | 第18-19页 |
| 1.5 论文的组织结构 | 第19-20页 |
| 第二章 基于上下文的维度情感识别相关技术 | 第20-33页 |
| 2.1 双向长短时记忆网络 | 第21-28页 |
| 2.1.1 双向循环神经网络 | 第21-24页 |
| 2.1.2 双向长短时记忆网络 | 第24-27页 |
| 2.1.3 基于双向长短时记忆网络的维度情感识别方法 | 第27-28页 |
| 2.2 注意力模型 | 第28-32页 |
| 2.2.1 注意力模型思想 | 第28-29页 |
| 2.2.2 注意力模型计算方法 | 第29-31页 |
| 2.2.3 基于注意力模型的维度情感识别方法 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 基于双向长短时记忆网络的层次情感时间上下文学习方法 | 第33-44页 |
| 3.1 基于双向长短时记忆网络的层次情感时间上下文学习方法 | 第34-37页 |
| 3.1.1 高层特征学习 | 第35页 |
| 3.1.2 特征级情感时间上下文学习 | 第35-36页 |
| 3.1.3 标签级情感时间上下文学习 | 第36-37页 |
| 3.2 实验结果与分析 | 第37-43页 |
| 3.2.1 数据库与实验设置 | 第37-38页 |
| 3.2.2 评估指标 | 第38页 |
| 3.2.3 参数选择 | 第38-40页 |
| 3.2.4 实验结果分析 | 第40-43页 |
| 3.2.5 结果可视化 | 第43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 基于注意力模型的动态情感模态上下文学习方法 | 第44-55页 |
| 4.1 基于注意力模型的动态情感模态上下文学习方法 | 第45-49页 |
| 4.1.1 基于单模态数据的情感时间上下文学习 | 第45-46页 |
| 4.1.2 基于注意力模型的动态情感模态上下文学习 | 第46-49页 |
| 4.2 实验结果与分析 | 第49-54页 |
| 4.2.1 数据库 | 第49-50页 |
| 4.2.2 实验设置 | 第50页 |
| 4.2.3 参数选择 | 第50-51页 |
| 4.2.4 实验结果分析 | 第51-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 原型系统的设计与实现 | 第55-63页 |
| 5.1 开发环境 | 第55页 |
| 5.2 原型系统的设计与实现 | 第55-62页 |
| 5.2.1 原型系统框架 | 第55-56页 |
| 5.2.2 原型系统算法流程简介 | 第56-60页 |
| 5.2.3 原型系统图形界面简介 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
