面向影视评论的情感倾向性分析技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 第二章 相关技术介绍 | 第16-25页 |
| 2.1 文本特征选择技术 | 第16-19页 |
| 2.1.1 信息增益 | 第17页 |
| 2.1.2 卡方校验 | 第17-19页 |
| 2.2 文本情感分析 | 第19-24页 |
| 2.2.1 多层神经网络 | 第20-21页 |
| 2.2.2 循环神经网络 | 第21-23页 |
| 2.2.3 卷积神经网络 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于产品评论的特征挖掘算法研究 | 第25-41页 |
| 3.1 引言 | 第25页 |
| 3.2 产品特征挖掘过程 | 第25-32页 |
| 3.2.1 数据预处理 | 第28页 |
| 3.2.2 特征降维 | 第28-30页 |
| 3.2.3 基于互信息特征选择算法的改进 | 第30-32页 |
| 3.3 实验设计及结果分析 | 第32-39页 |
| 3.3.1 实验数据 | 第32-33页 |
| 3.3.2 实验结果分析 | 第33-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于神经网络模型的文本情感分析研究 | 第41-56页 |
| 4.1 引言 | 第41页 |
| 4.2 文本情感分析挖掘过程 | 第41-48页 |
| 4.2.1 文本预处理 | 第42-43页 |
| 4.2.2 WordtoVec | 第43-45页 |
| 4.2.3 LSTM | 第45-48页 |
| 4.3 实验设计及结果分析 | 第48-55页 |
| 4.3.1 实验数据 | 第48-49页 |
| 4.3.2 实验结果分析 | 第49-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-59页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 在学期间研究成果 | 第63-64页 |
| 致谢 | 第64页 |
