| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-13页 |
| 1.2.1 情感分析研究现状 | 第10-12页 |
| 1.2.2 深度学习在自然语言处理领域研究现状 | 第12-13页 |
| 1.3 本文主要贡献及创新点 | 第13页 |
| 1.4 论文组织结构安排 | 第13-15页 |
| 第2章 深度学习相关理论知识及方法 | 第15-26页 |
| 2.1 短文本预处理 | 第15-16页 |
| 2.1.1 分词 | 第15-16页 |
| 2.1.2 去停用词和特殊字符 | 第16页 |
| 2.2 文本表示与特征提取 | 第16-18页 |
| 2.2.1 向量空间模型 | 第16-17页 |
| 2.2.2 独热(One-hot)的特征表示 | 第17页 |
| 2.2.3 词向量的特征表示 | 第17-18页 |
| 2.3 深度学习相关技术 | 第18-25页 |
| 2.3.1 循环神经网络 | 第19-21页 |
| 2.3.2 卷积神经网络 | 第21-22页 |
| 2.3.3 机器翻译编码器 | 第22-23页 |
| 2.3.4 机器翻译解码器 | 第23-24页 |
| 2.3.5 对抗神经网络结构 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于双向回环的LSTM神经网络情感分析方法 | 第26-36页 |
| 3.1 数据集 | 第26-27页 |
| 3.2 双向回环LSTM神经网络 | 第27-28页 |
| 3.3 实验环境 | 第28页 |
| 3.4 实验过程及训练 | 第28-30页 |
| 3.5 模型评价标准 | 第30-31页 |
| 3.6 实验结果对比分析 | 第31-35页 |
| 3.6.1 迭代和提前结束设置实验 | 第33-35页 |
| 3.6.2 实验结果总结 | 第35页 |
| 3.7 本章小结 | 第35-36页 |
| 第4章 基于对抗机器翻译的文本情感分析方法 | 第36-46页 |
| 4.1 双语平行数据集 | 第36页 |
| 4.2 平行语料预处理 | 第36-37页 |
| 4.3 对抗网络机器翻译模型 | 第37-41页 |
| 4.3.1 生成模型 | 第38-40页 |
| 4.3.2 判别模型 | 第40-41页 |
| 4.4 对抗机器翻译训练 | 第41页 |
| 4.5 机器翻译评价标准 | 第41-42页 |
| 4.6 机器翻译结果分析 | 第42-44页 |
| 4.7 本章小结 | 第44-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-53页 |
| 致谢 | 第53页 |