面向特定属性的细粒度情感分类方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-17页 |
| 1.2.1 粗粒度情感分析 | 第11-14页 |
| 1.2.2 细粒度情感分析研究现状 | 第14-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 本文结构安排 | 第18-20页 |
| 第二章 相关知识介绍 | 第20-28页 |
| 2.1 支持向量机 | 第20-22页 |
| 2.2 最大熵分类模型 | 第22-25页 |
| 2.2.1 最大熵原理 | 第22-23页 |
| 2.2.2 最大熵模型的定义 | 第23-25页 |
| 2.3 卷积神经网络 | 第25页 |
| 2.4 长短期记忆神经网络 | 第25-27页 |
| 2.5 性能指标 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 语料库的构建 | 第28-36页 |
| 3.1 引言 | 第28-29页 |
| 3.2 语料标注 | 第29-31页 |
| 3.3 语料标注结果及分析 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于高维表示的特定属性情感分类方法 | 第36-45页 |
| 4.1 引言 | 第36-37页 |
| 4.2 子句切分算法 | 第37-38页 |
| 4.3 基于高维表示的特定属性情感分类方法 | 第38-41页 |
| 4.3.1 单词编码层 | 第39-40页 |
| 4.3.2 子句编码层 | 第40页 |
| 4.3.3 softmax层 | 第40-41页 |
| 4.4 模型训练 | 第41-42页 |
| 4.5 实验 | 第42-44页 |
| 4.5.1 实验设置 | 第42-43页 |
| 4.5.2 实验结果比较与分析 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 基于注意力机制的特定属性情感分类方法 | 第45-58页 |
| 5.1 引言 | 第45-46页 |
| 5.2 基于注意力机制的特定属性情感分类方法 | 第46-57页 |
| 5.2.1 基于普通文本的分层注意力表示建模 | 第46-52页 |
| 5.2.1.1 模型训练 | 第51-52页 |
| 5.2.2 基于问答文本注意力表示建模 | 第52-55页 |
| 5.2.2.1 模型训练 | 第54页 |
| 5.2.2.2 实验设置 | 第54-55页 |
| 5.2.3 实验结果比较与分析 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
