| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 研究现状概述 | 第11-13页 |
| 1.2.1 基于情感词典和语义规则的情感分析方法 | 第11-12页 |
| 1.2.2 基于机器学习的情感分析方法 | 第12页 |
| 1.2.3 基于深度学习的情感分析方法 | 第12-13页 |
| 1.3 本文主要研究内容和组织结构 | 第13-16页 |
| 2 第二章 深度学习基本知识理论 | 第16-22页 |
| 2.1 统计语言模型 | 第16-17页 |
| 2.2 词向量技术 | 第17-19页 |
| 2.2.1 One-hot编码技术 | 第17页 |
| 2.2.2 Word Embedding | 第17-18页 |
| 2.2.3 Word2vec模型 | 第18-19页 |
| 2.3 神经网络语言模型 | 第19-22页 |
| 3 第三章 基于深度学习神经网络的文本情感分析 | 第22-30页 |
| 3.1 引言 | 第22页 |
| 3.2 LSTM神经网络的模型结构 | 第22-26页 |
| 3.2.1 LSTM神经网络的前向传播(Forward Pass) | 第23-24页 |
| 3.2.2 LSTM神经网络的反向传播(Backward Pass) | 第24-26页 |
| 3.3 GRU神经网络的模型结构 | 第26-27页 |
| 3.4 双向LSTM神经网络模型 | 第27-30页 |
| 4 第四章 实验设计与结果分析 | 第30-36页 |
| 4.1 实验设计 | 第30-32页 |
| 4.1.1 实验环境 | 第30-31页 |
| 4.1.2 实验数据 | 第31页 |
| 4.1.3 实验设计 | 第31-32页 |
| 4.2 Attention优化 | 第32页 |
| 4.3 实验结果与分析 | 第32-36页 |
| 5 总结与归纳 | 第36-38页 |
| 参考文献 | 第38-40页 |
| 附录A | 第40-44页 |
| A.1 实验数据集 | 第40-41页 |
| A.2 实验代码 | 第41-43页 |
| A.3 实验结果 | 第43-44页 |
| 致谢 | 第44-45页 |