摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 引言 | 第12-17页 |
1.1 研究背景 | 第12-13页 |
1.2 研究现状 | 第13-15页 |
1.2.1 裁判文书研究 | 第13页 |
1.2.2 判决结果倾向性分析与短文本情感分析比较 | 第13-14页 |
1.2.3 情感分析研究 | 第14-15页 |
1.3 本文工作 | 第15-16页 |
1.4 本文的组织结构 | 第16-17页 |
第二章 文本挖掘技术介绍 | 第17-33页 |
2.1 词的表示 | 第17-24页 |
2.1.1 词向量 | 第17-19页 |
2.1.2 Word2vec | 第19-24页 |
2.2 语言模型和循环神经网络 | 第24-27页 |
2.3 长短期记忆模型及其变种 | 第27-31页 |
2.4 本章小结 | 第31-33页 |
第三章 判决结果倾向性分析模型 | 第33-48页 |
3.1 基于Embedding和LSTM的判决结果倾向性分析模型 | 第33-42页 |
3.1.1 判决结果预处理模块 | 第33-40页 |
3.1.2 文本向量化模块 | 第40页 |
3.1.3 基于Embedding和LSTM的深度神经网络模块 | 第40-42页 |
3.2 基于Word2vec和LSTM的判决结果倾向性分析模型 | 第42-44页 |
3.3 基于Word2vec和BLSTM的判决结果倾向性分析模型 | 第44-45页 |
3.4 基于词典规则的判决结果倾向性分析模型 | 第45-47页 |
3.5 本章小结 | 第47-48页 |
第四章 实验与分析 | 第48-54页 |
4.1 语料数据 | 第48页 |
4.2 评价标准 | 第48-49页 |
4.3 实验设计 | 第49页 |
4.4 实验结果与分析 | 第49-53页 |
4.5 本章小结 | 第53-54页 |
第五章 总结与展望 | 第54-56页 |
5.1 总结 | 第54页 |
5.2 进一步工作展望 | 第54-56页 |
参考文献 | 第56-62页 |
致谢 | 第62-63页 |
攻读硕士期间发表的论文和专利 | 第63-64页 |
攻读硕士期间参与的项目 | 第64-66页 |