| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 相关研究工作 | 第17-20页 |
| 1.2.1 传统机器学习方法 | 第18-19页 |
| 1.2.2 深度学习方法 | 第19-20页 |
| 1.2.3 混合方法 | 第20页 |
| 1.3 本文研究内容 | 第20-22页 |
| 1.4 本文组织结构 | 第22-24页 |
| 第二章 相关概念 | 第24-39页 |
| 2.1 目标依赖的情感分析介绍 | 第24-26页 |
| 2.2 数据集 | 第26-29页 |
| 2.2.1 产品评论数据集 | 第26-28页 |
| 2.2.2 金融领域数据集 | 第28-29页 |
| 2.3 数据预处理 | 第29-30页 |
| 2.4 特征抽取 | 第30-31页 |
| 2.5 监督式机器学习算法 | 第31-37页 |
| 2.5.1 分类算法 | 第31-34页 |
| 2.5.2 回归算法 | 第34-37页 |
| 2.6 系统评估方法 | 第37-38页 |
| 2.7 本章小结 | 第38-39页 |
| 第三章 产品评论中实体属性依赖的情感分类 | 第39-52页 |
| 3.1 研究动机 | 第39-40页 |
| 3.2 产品评论中实体属性依赖的情感分类模型 | 第40-46页 |
| 3.2.1 系统流程 | 第40-41页 |
| 3.2.2 数据预处理 | 第41-42页 |
| 3.2.3 目标相关片段抽取 | 第42-43页 |
| 3.2.4 特征工程 | 第43-46页 |
| 3.3 数据集及实验设置 | 第46-47页 |
| 3.4 实验结果与讨论 | 第47-50页 |
| 3.4.1 模型自身对比结果 | 第47-49页 |
| 3.4.2 与其他系统的对比结果 | 第49-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 金融领域中股票依赖的情感强度预测 | 第52-67页 |
| 4.1 研究动机 | 第52-54页 |
| 4.2 金融领域中股票目标的情感强度预测模型 | 第54-60页 |
| 4.2.1 系统流程 | 第54-55页 |
| 4.2.2 数据预处理 | 第55页 |
| 4.2.3 目标相关片段抽取 | 第55-56页 |
| 4.2.4 特征工程 | 第56-60页 |
| 4.2.5 机器学习算法 | 第60页 |
| 4.3 数据集及实验设置 | 第60-61页 |
| 4.4 实验结果与讨论 | 第61-66页 |
| 4.4.1 不同机器学习算法的对比结果 | 第61-62页 |
| 4.4.2 不同类型特征的对比结果 | 第62-65页 |
| 4.4.3 与其他系统的对比结果 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 基于深度神经网络的目标依赖细粒度情感分析 | 第67-87页 |
| 5.1 研究动机 | 第67-68页 |
| 5.2 三个基准神经网络模型 | 第68-72页 |
| 5.2.1 卷积神经网络模型(CNN) | 第68-70页 |
| 5.2.2 长短期记忆网络模型(LSTM) | 第70-71页 |
| 5.2.3 双向长短期记忆网络模型(Bi-LSTM) | 第71-72页 |
| 5.3 基于门和关注机制的Bi-LSTM神经网络模型-GABi-LSTM | 第72-78页 |
| 5.3.1 GABi-LSTM模型功能概览 | 第72-73页 |
| 5.3.2 GABi-LSTM模型框架图 | 第73-74页 |
| 5.3.3 基于门机制的词表示模块 | 第74-76页 |
| 5.3.4 基于关注机制的句子表示模块 | 第76-77页 |
| 5.3.5 分类或回归 | 第77-78页 |
| 5.4 深度神经网络(GABi-LSTM)在金融股票领域的应用实验 | 第78-82页 |
| 5.4.1 数据集及实验设置 | 第78-79页 |
| 5.4.2 实验结果及分析 | 第79-82页 |
| 5.5 深度神经网络(GABi-LSTM)在产品评论领域的应用实验 | 第82-86页 |
| 5.5.1 数据集及实验设置 | 第82-83页 |
| 5.5.2 实验结果及分析 | 第83-86页 |
| 5.6 本章小结 | 第86-87页 |
| 第六章 总结及展望 | 第87-89页 |
| 6.1 本文总结 | 第87-88页 |
| 6.2 未来的工作 | 第88-89页 |
| 攻读学位期间发表的学术论文以及学术成果 | 第89-90页 |
| 参加国际竞赛获奖情况 | 第90-91页 |
| 参考文献 | 第91-97页 |
| 致谢 | 第97页 |
