| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状及分析 | 第9-12页 |
| 1.2.1 文本情感分类研究 | 第9-10页 |
| 1.2.2 深度学习的文本情感分类研究 | 第10-12页 |
| 1.3 本文的主要贡献 | 第12-13页 |
| 1.4 本文的内容安排 | 第13-14页 |
| 2 文本情感分类的相关研究 | 第14-36页 |
| 2.1 文本情感的定义及分类 | 第14-16页 |
| 2.2 文本预处理 | 第16页 |
| 2.3 文本特征提取 | 第16-18页 |
| 2.4 文本表示方法 | 第18-25页 |
| 2.4.1 布尔模型 | 第18-19页 |
| 2.4.2 向量空间模型 | 第19-21页 |
| 2.4.3 词向量模型 | 第21-25页 |
| 2.5 文本情感分类方法 | 第25-35页 |
| 2.5.1 传统的文本情感分类方法 | 第25-29页 |
| 2.5.2 深度学习的文本情感分类 | 第29-35页 |
| 2.6 本章小结 | 第35-36页 |
| 3 分段卷积神经网络情感分类模型设计 | 第36-48页 |
| 3.1 文本的词向量表示 | 第36-38页 |
| 3.1.1 词向量的处理 | 第36页 |
| 3.1.2 文本的表示 | 第36-38页 |
| 3.2 非静态词向量策略 | 第38-40页 |
| 3.3 分段池化策略 | 第40-42页 |
| 3.4 分段卷积神经网络情感分类网络结构 | 第42-46页 |
| 3.5 本章小结 | 第46-48页 |
| 4 双通道卷积神经网络的情感分类研究 | 第48-56页 |
| 4.1 构建双通道卷积神经网络词向量模型 | 第48-51页 |
| 4.1.1 单通道与双通道词向量异同 | 第48-49页 |
| 4.1.2 双通道词向量模型 | 第49-50页 |
| 4.1.3 双通道词向量卷积计算 | 第50-51页 |
| 4.2 双通道分段池化策略 | 第51-52页 |
| 4.3 双通道卷积神经网络的情感分类网络结构 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 5 实验与结果分析 | 第56-72页 |
| 5.1 实验环境及数据集 | 第56页 |
| 5.2 实验数据预处理 | 第56-57页 |
| 5.3 分类性能评价指标 | 第57-58页 |
| 5.4 实验及分析 | 第58-70页 |
| 5.4.1 分段word2vec卷积神经网络情感分类WSCNN | 第59-62页 |
| 5.4.2 分段glove卷积神经网络情感分类GSCNN | 第62-64页 |
| 5.4.3 双通道卷积神经网络情感分类DSCNN | 第64-67页 |
| 5.4.4 实验分析 | 第67-70页 |
| 5.5 本章小结 | 第70-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 A.作者在攻读学位期间取得的科研成果目录 | 第80页 |