| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 自然语言处理(NLP)的发展及应用 | 第11-12页 |
| 1.1.2 自然语言处理(NLP)中的几类关键性问题 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 基于传统机器学习的方法 | 第13-14页 |
| 1.2.2 基于深度学习的方法 | 第14页 |
| 1.2.3 深度学习方法的优势与前景 | 第14-15页 |
| 1.3 研究内容 | 第15-17页 |
| 1.3.1 研究目标 | 第15-16页 |
| 1.3.2 主要研究问题 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 NLP相关工作综述 | 第18-35页 |
| 2.1 传统机器学习模型概述 | 第18-24页 |
| 2.1.1 支持向量机模型(SVM) | 第18-21页 |
| 2.1.2 K-Means聚类算法 | 第21-24页 |
| 2.2 深度学习模型概述 | 第24-28页 |
| 2.2.1 卷积神经网络(CNN) | 第24-27页 |
| 2.2.2 循环神经网络(RNN) | 第27-28页 |
| 2.3 情感分析研究工作总结 | 第28-30页 |
| 2.3.1 基于传统机器的方法 | 第28-29页 |
| 2.3.2 基于深度学习的方法 | 第29-30页 |
| 2.4 中文实体关系抽取研究工作总结 | 第30-34页 |
| 2.4.1 基于传统机器的方法 | 第30-31页 |
| 2.4.2 基于深度学习的方法 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于卷积神经网络的短文本情感分析 | 第35-52页 |
| 3.1 引言 | 第35-37页 |
| 3.1.1 传统意义的情感分析 | 第35-36页 |
| 3.1.2 短文本及其广泛应用 | 第36-37页 |
| 3.1.3 短文本的情感分析特点 | 第37页 |
| 3.2 情感分析中存在的问题 | 第37-38页 |
| 3.2.1 情感极性二义性问题 | 第37页 |
| 3.2.2 上下文信息缺乏 | 第37-38页 |
| 3.3 融合单词与句子特征的SWcNN网络模型 | 第38-41页 |
| 3.3.1 初始化编码 | 第38页 |
| 3.3.2 卷积 | 第38-39页 |
| 3.3.3 采样及正则化 | 第39-40页 |
| 3.3.4 融合单词与句子特征的模型(SWcNN) | 第40-41页 |
| 3.4 数据集和实验 | 第41-44页 |
| 3.4.1 数据集描述 | 第41-42页 |
| 3.4.2 网络实验参数的设置 | 第42-44页 |
| 3.5 实验结果讨论 | 第44-51页 |
| 3.5.1 Baseline模型——WcNN实验讨论 | 第44-47页 |
| 3.5.2 融合单词与句子特征模型(SWcNN)实验讨论 | 第47-49页 |
| 3.5.3 融合单词与句子特征模型(SWcNN)与Baseline模型(WcNN) | 第49-50页 |
| 3.5.4 融合单词与句子特征模型(SWcNN)与经典传统模型 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于卷积神经网络的中文实体关系抽取 | 第52-70页 |
| 4.1 引言 | 第52-53页 |
| 4.1.1 中文实体关系抽取研究现状 | 第52-53页 |
| 4.1.2 基于CNN的中文实体关系抽取概述 | 第53页 |
| 4.2 研究问题 | 第53-54页 |
| 4.2.1 关系二义性问题的研究 | 第53-54页 |
| 4.2.2 同义句关系归一化的研究 | 第54页 |
| 4.3 融合单词与句子特征的SCNN网络模型 | 第54-57页 |
| 4.3.1 Baseline模型 | 第54-55页 |
| 4.3.2 基于整句扩展的网络模型(一) | 第55-56页 |
| 4.3.3 基于整句扩展的网络模型(二) | 第56-57页 |
| 4.4 数据集和实验 | 第57-62页 |
| 4.4.1 数据集描述 | 第57-59页 |
| 4.4.2 网络实验参数的设置 | 第59-62页 |
| 4.5 实验结果讨论 | 第62-69页 |
| 4.5.1 Baseline模型实验讨论 | 第63-65页 |
| 4.5.2 基于整句扩展的网络模型(SCNN)实验讨论 | 第65-66页 |
| 4.5.3 基于整句扩展模型(SCNN)与Baseline模型 | 第66-67页 |
| 4.5.4 基于整句扩展的SCNN1与SCNN2对比分析 | 第67-68页 |
| 4.5.5 基于整句扩展的模型SCNN2与传统模型对比分析 | 第68-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 工作总结 | 第70-71页 |
| 5.1.1 基于卷积神经网络的短文本情感分析总结 | 第70页 |
| 5.1.2 基于卷积神经网络的中文实体关系抽取总结 | 第70-71页 |
| 5.2 未来展望 | 第71-72页 |
| 结束语 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 作者在学期间取得的学术成果 | 第79页 |
