| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究内容及意义 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 相关理论及方法 | 第15-27页 |
| 2.1 浅层分类器模型 | 第15-21页 |
| 2.1.1 Softmax分类器模型 | 第15-18页 |
| 2.1.2 SVM分类器模型 | 第18-21页 |
| 2.2 深度学习模型 | 第21-25页 |
| 2.2.1 自编码器模型 | 第21-23页 |
| 2.2.2 堆叠降噪自编码器模型 | 第23-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 融合堆叠降噪自编码器的情感分类系统 | 第27-41页 |
| 3.1 数据集构建 | 第27-28页 |
| 3.2 数据预处理 | 第28-32页 |
| 3.2.1 分词与去停用词 | 第28-29页 |
| 3.2.2 特征抽取 | 第29-30页 |
| 3.2.3 word2vec语义扩充 | 第30-31页 |
| 3.2.4 词袋模型与文本建模 | 第31-32页 |
| 3.3 评价指标 | 第32页 |
| 3.4 浅层学习模型与深层学习模型 | 第32-36页 |
| 3.4.1 基于Softmax分类器的情感分类系统 | 第33-34页 |
| 3.4.2 融合堆叠降噪自编码器的情感分类系统 | 第34-36页 |
| 3.5 实验设计及实验结果 | 第36-39页 |
| 3.5.1 实验设计 | 第36-37页 |
| 3.5.2 实验结果与分析 | 第37-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第4章 融合稀疏因子的堆叠降噪自编码器模型 | 第41-51页 |
| 4.1 稀疏因子 | 第41-43页 |
| 4.2 融合稀疏因子的堆叠降噪自编码器 | 第43-45页 |
| 4.3 实验设计及实验结果 | 第45-50页 |
| 4.3.1 实验设计 | 第45-46页 |
| 4.3.2 实验结果与分析 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 融合稀疏因子的堆叠降噪自编码器并行化 | 第51-59页 |
| 5.1 分布式内存计算结构 | 第51-52页 |
| 5.2 融合稀疏因子的堆叠降噪自编码器并行结构 | 第52-54页 |
| 5.3 实验设计及实验结果 | 第54-57页 |
| 5.3.1 实验设计 | 第54-56页 |
| 5.3.2 实验结果与分析 | 第56-57页 |
| 5.4 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 工作总结 | 第59-60页 |
| 工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-67页 |
| 致谢 | 第67页 |