| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本课题研究工作 | 第12-13页 |
| 1.3.1 研究内容 | 第12页 |
| 1.3.2 系统结构 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 相关理论和技术 | 第14-26页 |
| 2.1 中文文本预处理 | 第14-16页 |
| 2.1.1 中文分词 | 第14-15页 |
| 2.1.2 词向量 | 第15-16页 |
| 2.2 文本情感分析主要方法 | 第16-20页 |
| 2.2.1 基于语义和规则的方法 | 第16-18页 |
| 2.2.2 基于统计机器学习的方法 | 第18-19页 |
| 2.2.3 基于深度学习的方法 | 第19-20页 |
| 2.3 深度学习模型用于文本表征 | 第20-24页 |
| 2.3.1 感知器与多层感知器 | 第20-21页 |
| 2.3.2 卷积神经网络 | 第21-22页 |
| 2.3.3 循环神经网络 | 第22-23页 |
| 2.3.4 LSTM网络 | 第23-24页 |
| 2.4 TensorFlow框架 | 第24-26页 |
| 第三章 文本情感强度研究模型构建 | 第26-35页 |
| 3.1 Bi-LSTM+Attention模型构建 | 第26-32页 |
| 3 .1.1 Bi-LSTM | 第26-27页 |
| 3.1.2 Attention机制 | 第27-28页 |
| 3.1.3 情感强度系统模型构建 | 第28-32页 |
| 3.2 情感强度值计算 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 系统的需求分析与设计 | 第35-46页 |
| 4.1 需求分析 | 第35-36页 |
| 4.2 系统总体设计 | 第36-37页 |
| 4.3 系统详细设计 | 第37-44页 |
| 4.3.1 文本预处理模块 | 第37-40页 |
| 4.3.2 文本向量化模块 | 第40-43页 |
| 4.3.3 模型训练模块 | 第43-44页 |
| 4.3.4 模型测试模块 | 第44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 文本情感强度分析系统的实现 | 第46-58页 |
| 5.1 系统介绍 | 第46页 |
| 5.2 系统平台实现 | 第46-52页 |
| 5.2.1 文本预处理模块实现 | 第46-49页 |
| 5.2.2 文本向量化模块实现 | 第49页 |
| 5.2.3 模型训练模块实现 | 第49-51页 |
| 5.2.4 测试模块实现 | 第51-52页 |
| 5.3 实验与分析 | 第52-56页 |
| 5.3.1 数据集 | 第53页 |
| 5.3.2 实验设置 | 第53页 |
| 5.3.3 实验设置 | 第53-56页 |
| 5.4 文本情感强度分析系统的应用 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58-59页 |
| 6.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |