| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.3.1 情绪识别 | 第14-15页 |
| 1.3.2 情绪分类 | 第15-16页 |
| 1.4 研究内容 | 第16-17页 |
| 1.5 组织结构 | 第17-19页 |
| 第2章 相关知识介绍 | 第19-29页 |
| 2.1 文本情绪分析相关任务 | 第19-20页 |
| 2.2 文本表示模型 | 第20-21页 |
| 2.2.1 向量空间模型 | 第20-21页 |
| 2.2.2 分布式词向量模型 | 第21页 |
| 2.3 分类模型 | 第21-26页 |
| 2.3.1 最大熵分类模型 | 第22-23页 |
| 2.3.2 长短时记忆神经网络 | 第23-25页 |
| 2.3.3 卷积神经网络 | 第25-26页 |
| 2.4 语料资源 | 第26-27页 |
| 2.5 性能评测指标 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于字词融合特征的微博情绪识别方法 | 第29-39页 |
| 3.1 问题描述及相关研究 | 第29-31页 |
| 3.2 情绪识别方法 | 第31-33页 |
| 3.2.1 概述 | 第31页 |
| 3.2.2 基于字词融合特征的情绪识别方法 | 第31-33页 |
| 3.3 实验结果与分析 | 第33-38页 |
| 3.3.1 实验设置 | 第34页 |
| 3.3.2 实验结果与分析 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于多通道LSTM的不平衡情绪分类方法 | 第39-50页 |
| 4.1 问题描述及相关研究 | 第39-40页 |
| 4.2 相关工作 | 第40-41页 |
| 4.2.1 情绪分类 | 第40页 |
| 4.2.2 不平衡分类 | 第40-41页 |
| 4.3 基于LSTM神经网络的不平衡情绪分类方法 | 第41-44页 |
| 4.3.1 情绪分类中的不平衡分布情况 | 第41页 |
| 4.3.2 基于单通道LSTM的不平衡情绪分类方法 | 第41-42页 |
| 4.3.3 基于多通道LSTM的不平衡情绪分类方法 | 第42-44页 |
| 4.4 实验结果与分析 | 第44-49页 |
| 4.4.1 实验设置 | 第44-46页 |
| 4.4.2 实验结果与分析 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于双语信息的情绪分类方法 | 第50-60页 |
| 5.1 问题描述及相关研究 | 第50-51页 |
| 5.2 情绪分类方法 | 第51-54页 |
| 5.2.1 基于单语信息的情绪分类方法 | 第51-52页 |
| 5.2.2 基于双语信息的情绪分类方法 | 第52-54页 |
| 5.3 实验结果与分析 | 第54-59页 |
| 5.3.1 实验设置 | 第54-56页 |
| 5.3.2 实验结果与分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-63页 |
| 6.1 研究工作总结 | 第60-61页 |
| 6.2 下一步工作设想 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间公开发表的论文 | 第68页 |
| 攻读学位期间公开申请的专利 | 第68-69页 |
| 攻读学位期间已授权的软件著作权 | 第69页 |
| 攻读学位期间参与的科研项目 | 第69-70页 |
| 致谢 | 第70-72页 |