| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 基于传统机器学习的情感分类研究现状 | 第12页 |
| 1.2.2 基于深度学习的情感分类研究现状 | 第12-15页 |
| 1.3 主要研究内容及创新点 | 第15-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第二章 文本情感分析相关理论 | 第18-32页 |
| 2.1 文本情感分析概念 | 第18-20页 |
| 2.2 词嵌入模型 | 第20-24页 |
| 2.2.1 Word2vec模型 | 第20-23页 |
| 2.2.2 Glove模型 | 第23-24页 |
| 2.3 句式结构简介 | 第24-26页 |
| 2.3.1 简单句式 | 第24页 |
| 2.3.2 复杂句式 | 第24-26页 |
| 2.4 支持向量机SVM简介 | 第26-27页 |
| 2.5 卷积神经网络CNN | 第27-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第三章 基于SVM复杂句式情感分析 | 第32-42页 |
| 3.1 基础情感词典 | 第32-34页 |
| 3.2 扩充情感词典 | 第34-37页 |
| 3.3 复杂句式处理 | 第37-38页 |
| 3.4 复杂句式情感分析 | 第38-39页 |
| 3.5 实验结果及分析 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于多通道可变滤波器动态多池卷积神经网络情感分析 | 第42-52页 |
| 4.1 MVDCNN模型描述 | 第42-43页 |
| 4.2 MVDCNN模型改进 | 第43-47页 |
| 4.3 实验结果及分析 | 第47-49页 |
| 4.4 本章小结 | 第49-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间发表的学术论文 | 第62页 |