| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 维度情感识别研究现状 | 第11-15页 |
| 1.2.1 维度情感描述模型 | 第11-12页 |
| 1.2.2 维度情感数据库 | 第12-14页 |
| 1.2.3 维度情感识别方法研究现状 | 第14-15页 |
| 1.3 排序学习相关研究现状 | 第15-17页 |
| 1.3.1 基于单样本的排序学习相关研究现状 | 第16页 |
| 1.3.2 基于样本对的排序学习相关研究现状 | 第16-17页 |
| 1.4 论文的研究动机 | 第17-18页 |
| 1.5 论文的主要工作 | 第18-19页 |
| 1.6 论文的组织结构 | 第19-20页 |
| 第二章 基于排序的维度情感识别相关技术 | 第20-30页 |
| 2.1 排序学习算法 | 第20-26页 |
| 2.1.1 基于单样本的排序学习方法 | 第21-24页 |
| 2.1.2 基于样本对的排序学习方法 | 第24-26页 |
| 2.2 深度学习 | 第26-29页 |
| 2.2.1 卷积神经网络 | 第26-28页 |
| 2.2.2 Siamese网络 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于单样本有序回归的维度情感识别方法 | 第30-44页 |
| 3.1 基于单样本有序回归的情感等级排序框架 | 第30-34页 |
| 3.1.1 连续维度情感标签值离散化 | 第31页 |
| 3.1.2 误差敏感二分类器训练 | 第31-34页 |
| 3.1.3 聚合二分类器结果 | 第34页 |
| 3.2 实验与分析 | 第34-43页 |
| 3.2.1 数据库 | 第34-35页 |
| 3.2.2 数据预处理和特征提取 | 第35-36页 |
| 3.2.3 实验设置 | 第36-37页 |
| 3.2.4 实验结果分析与比较 | 第37-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 基于样本对排序和深度学习的维度情感识别方法 | 第44-52页 |
| 4.1 基于样本对排序和siamese网络的维度情感排序方法 | 第45-48页 |
| 4.1.1 有序样本对的选取 | 第45页 |
| 4.1.2 基于样本对排序和siamese网络的维度情感排序模型构建与学习 | 第45-48页 |
| 4.2 实验与分析 | 第48-51页 |
| 4.2.1 数据库和数据预处理 | 第48页 |
| 4.2.2 实验设置和评价指标 | 第48-49页 |
| 4.2.3 参数选择 | 第49-50页 |
| 4.2.4 实验结果分析与比较 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 原型系统的设计与实现 | 第52-60页 |
| 5.1 系统开发环境 | 第52页 |
| 5.2 系统设计与实现 | 第52-59页 |
| 5.2.1 系统整体框架 | 第53页 |
| 5.2.2 系统算法执行流程简介 | 第53-55页 |
| 5.2.3 系统图形界面简介 | 第55-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间完成的学术论文和参与的科研项目 | 第69页 |
