| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及其意义 | 第13-14页 |
| 1.2 文本情感分类的研究现状 | 第14-15页 |
| 1.3 文本情感分类关键技术问题 | 第15-16页 |
| 1.3.1 文本情感数据库问题 | 第15-16页 |
| 1.3.2 文本情感特征的提取 | 第16页 |
| 1.3.3 高效、稳定的文本情感识别算法 | 第16页 |
| 1.4 本文的研究内容与文章结构 | 第16-19页 |
| 第二章 相关理论和技术介绍 | 第19-27页 |
| 2.1 情感的基础知识 | 第19页 |
| 2.1.1 情感的定义 | 第19页 |
| 2.1.2 文本情感的分类 | 第19页 |
| 2.2 文本预处理技术 | 第19-22页 |
| 2.2.1 中文分词 | 第19-20页 |
| 2.2.2 停用词过滤 | 第20页 |
| 2.2.3 词性标注和句法依存 | 第20-22页 |
| 2.3 情感词典的构建 | 第22-23页 |
| 2.3.1 情感词词典构建 | 第22页 |
| 2.3.2 极性副词词典构建 | 第22-23页 |
| 2.3.3 表情符号词典的构建 | 第23页 |
| 2.4 文本情感特征及提取 | 第23-26页 |
| 2.4.1 One-Hot特征 | 第23页 |
| 2.4.2 文本向量空间特征 | 第23-24页 |
| 2.4.3 词频特征 | 第24页 |
| 2.4.4 词频-逆文档频率特征(TF-IDF) | 第24-25页 |
| 2.4.5 信息增益(Information Gain,IG) | 第25页 |
| 2.4.6 卡方检验(Chi-square test) | 第25-26页 |
| 2.4.7 互信息选择方法(Mutual Information,MI) | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 语言模型介绍与基于机器学习的文本情感识别 | 第27-39页 |
| 3.1 使用语言模型做文本特征 | 第27-29页 |
| 3.1.1 语言模型介绍 | 第27页 |
| 3.1.2 N-gram语言模型 | 第27-28页 |
| 3.1.3 语言模型特征的提取 | 第28-29页 |
| 3.2 机器学习理论与算法介绍 | 第29-35页 |
| 3.2.1 最近邻分类器介绍 | 第29-31页 |
| 3.2.2 朴素贝叶斯分类器介绍 | 第31-32页 |
| 3.2.3 支持向量机分类器介绍 | 第32-35页 |
| 3.3 文本情感识别实验与结果分析 | 第35-38页 |
| 3.3.1 文本情感文本实验数据的选取 | 第35页 |
| 3.3.2 实验特征和分类方法的选取 | 第35页 |
| 3.3.3 实验评价方法和指标 | 第35-36页 |
| 3.3.4 实验结果和结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 文本情感分类中的语言模型特征的优化 | 第39-51页 |
| 4.1 语言模型特征的优化 | 第39-40页 |
| 4.1.1 加入句首尾信息 | 第39页 |
| 4.1.2 主题加权语言模型 | 第39-40页 |
| 4.2 利用Word2Vec简化语言模型特征 | 第40-46页 |
| 4.2.1 Word2Vec模型介绍和数学原理 | 第40-44页 |
| 4.2.2 使用Word2Vec进行词聚类 | 第44-45页 |
| 4.2.3 使用K-means方法对Word2Vec词向量进行聚类 | 第45-46页 |
| 4.3 实验结果与分析 | 第46-49页 |
| 4.3.1 语言模型加入首尾词实验 | 第46页 |
| 4.3.2 主题加权语言模型实验 | 第46-47页 |
| 4.3.3 利用Word2vec词聚类简化语言模型实验 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 基于深度神经网络的文本情感识别 | 第51-69页 |
| 5.1 神经网络和深度学习基本理论 | 第51-57页 |
| 5.1.1 神经网络基本概念 | 第51-54页 |
| 5.1.2 深度神经网络的基本理论 | 第54页 |
| 5.1.3 深度学习常用网络结构 | 第54-57页 |
| 5.2 基于卷积神经网络的文本情感识别 | 第57-60页 |
| 5.2.1 CNN语言模型的网络结构 | 第57-59页 |
| 5.2.2 基于CNN的文本情感识别 | 第59-60页 |
| 5.3 基于循环神经网络的文本情感识别 | 第60-62页 |
| 5.3.1 RNN语言模型的网络结构 | 第60-61页 |
| 5.3.2 基于RNN语言模型的文本情感识别 | 第61-62页 |
| 5.4 文本情感识别实验与实验结果分析 | 第62-68页 |
| 5.4.1 基于CNN网络结构的文本情感识别实验与结果分析 | 第62-64页 |
| 5.4.2 基于RNN语言模型的文本情感识别实验与结果分析 | 第64-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文 | 第77页 |
