| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| §1.1 研究背景及意义 | 第8-9页 |
| §1.2 国内外研究现状 | 第9-13页 |
| §1.2.1 单一媒体情感分析研究现状 | 第10-12页 |
| §1.2.2 多媒体情感分析研究现状 | 第12-13页 |
| §1.3 论文研究内容 | 第13-14页 |
| §1.4 论文组织结构 | 第14-15页 |
| 第二章 相关理论与技术 | 第15-29页 |
| §2.1 情感分析概述 | 第15-16页 |
| §2.2 情感分析流程 | 第16-17页 |
| §2.3 情感分析相关知识 | 第17-19页 |
| §2.3.1 主客观分类 | 第17页 |
| §2.3.2 情感倾向性分析 | 第17-18页 |
| §2.3.3 多媒体情感分析概述 | 第18-19页 |
| §2.4 情感分析方法相关知识 | 第19-28页 |
| §2.4.1 情感分析数据预处理 | 第19-20页 |
| §2.4.2 文本的表示方法 | 第20-21页 |
| §2.4.3 基于情感词典的情感分析研究 | 第21-24页 |
| §2.4.4 基于机器学习的情感分析研究 | 第24-27页 |
| §2.4.5 情感分析研究方法的评价指标 | 第27-28页 |
| §2.5 本章小结 | 第28-29页 |
| 第三章 基于卷积神经网络的图文融合媒体的情感预测研究 | 第29-40页 |
| §3.1 引言 | 第29-30页 |
| §3.2 神经网络简介 | 第30-33页 |
| §3.2.1 人工神经网络 | 第30-32页 |
| §3.2.2 卷积神经网络 | 第32-33页 |
| §3.3 图文融合媒体情感分析 | 第33-39页 |
| §3.3.1 基于CNN的文本情感分类 | 第33-34页 |
| §3.3.2 基于CNN的图像情感分类 | 第34页 |
| §3.3.3 基于CNN的图文情感分类 | 第34-36页 |
| §3.3.4 分类器的选取和集成 | 第36页 |
| §3.3.5 实验与分析 | 第36-39页 |
| §3.4 本章小结 | 第39-40页 |
| 第四章 基于联合矩阵分解的图像情感分析研究 | 第40-50页 |
| §4.1 引言 | 第40-41页 |
| §4.2 迁移学习和联合矩阵分解 | 第41-43页 |
| §4.2.1 迁移学习简介 | 第41-42页 |
| §4.2.2 联合矩阵分解简介 | 第42-43页 |
| §4.3 基于CMF的异构迁移学习图像情感分析 | 第43-49页 |
| §4.3.1 ICMF整体框架 | 第43-44页 |
| §4.3.2 更新权重矩阵和特征矩阵 | 第44-46页 |
| §4.3.3 实验结果与分析 | 第46-49页 |
| §4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| §5.1 研究总结 | 第50-51页 |
| §5.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 作者在攻读硕士期间的主要研究成果 | 第58页 |