基于深度学习的维吾尔语文本情感分析
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 引言 | 第7-18页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 相关概念 | 第8-11页 |
| 1.2.1 情感分析 | 第8-10页 |
| 1.2.2 指代消解 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 句子级情感分析的研究现状 | 第11-13页 |
| 1.3.2 指代消解分析研究现状 | 第13-15页 |
| 1.4 存在的问题和不足 | 第15-16页 |
| 1.5 本文的主要工作 | 第16页 |
| 1.6 论文的组织结构 | 第16-18页 |
| 第二章 维吾尔语句子级情感分析 | 第18-34页 |
| 2.1 方法概述 | 第18页 |
| 2.2 语料预处理 | 第18-19页 |
| 2.3 情感特征提取 | 第19-23页 |
| 2.3.1 维吾尔语情感表达方式 | 第20-21页 |
| 2.3.2 特征向量表示 | 第21-23页 |
| 2.4 词向量 | 第23-25页 |
| 2.4.1 词向量的生成 | 第23-24页 |
| 2.4.2 构建句向量 | 第24-25页 |
| 2.5 特征融合 | 第25页 |
| 2.6 深度学习 | 第25-30页 |
| 2.6.1 自编码 | 第26-28页 |
| 2.6.2 栈式自编码 | 第28-30页 |
| 2.7 实验结果与分析 | 第30-33页 |
| 2.7.1 隐层层数对实验的影响 | 第30-31页 |
| 2.7.2 词向量维度对实验结果的影响 | 第31-32页 |
| 2.7.3 对比实验 | 第32-33页 |
| 2.8 本章小结 | 第33-34页 |
| 第三章 基于深度学习的维吾尔语名词短语指代消解 | 第34-50页 |
| 3.1 任务概述 | 第34页 |
| 3.2 预备知识 | 第34-39页 |
| 3.2.1 维吾尔语指代消解 | 第35-36页 |
| 3.2.2 名词短语 | 第36页 |
| 3.2.3“格”语法 | 第36-37页 |
| 3.2.4 指称性的名词短语 | 第37-39页 |
| 3.3 语料资源 | 第39-42页 |
| 3.3.1 常用语料 | 第39-40页 |
| 3.3.2 实验语料 | 第40-42页 |
| 3.4 构建实例 | 第42-46页 |
| 3.4.1 提取特征向量 | 第42-43页 |
| 3.4.2 词向量 | 第43-44页 |
| 3.4.3 实例的生成 | 第44-46页 |
| 3.5 实验结果与分析 | 第46-49页 |
| 3.5.1 评测方法 | 第46页 |
| 3.5.2 基于SAE模型的有效性验证 | 第46-47页 |
| 3.5.3 特征选取对模型性能的影响 | 第47-48页 |
| 3.5.4 词向量维度对实验的影响 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章指代消解任务中深层语义信息的挖掘 | 第50-60页 |
| 4.1 任务概述 | 第50-51页 |
| 4.2 语料预处理 | 第51-52页 |
| 4.3 LSTM | 第52-54页 |
| 4.3.1 RNN | 第52-53页 |
| 4.3.2 LSTM | 第53-54页 |
| 4.4 基于深层语义信息的指代消解 | 第54-55页 |
| 4.5 实验结果与分析 | 第55-59页 |
| 4.5.1 实验设计 | 第55-56页 |
| 4.5.2 模型有效性验证 | 第56-57页 |
| 4.5.3 词向量维度对模型性能的影响 | 第57-58页 |
| 4.5.4 融合特征对模型性能的影响 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者攻读硕士期间的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
