基于深度学习的情感分类方法的研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景与研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 文本情感分类方法研究现状 | 第16-18页 |
| 1.2.2 句子的表示研究现状 | 第18-19页 |
| 1.3 本文研究内容以及研究框架 | 第19-22页 |
| 1.3.1 文本情感分类流程 | 第19-21页 |
| 1.3.2 研究内容 | 第21-22页 |
| 1.4 创新点介绍 | 第22页 |
| 1.5 论文组织结构 | 第22-23页 |
| 第二章 相关背景知识 | 第23-31页 |
| 2.1 基于机器学习的情感分类方法 | 第23-26页 |
| 2.1.1 有监督学习 | 第23-25页 |
| 2.1.2 半监督学习 | 第25页 |
| 2.1.3 无监督学习 | 第25-26页 |
| 2.2 神经网络基础知识 | 第26-30页 |
| 2.2.1 感知器与神经元 | 第26-27页 |
| 2.2.2 神经网络分类 | 第27-28页 |
| 2.2.3 参数学习 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 领域相关情感词的识别 | 第31-39页 |
| 3.1 基于规则的情感分类方法 | 第31-34页 |
| 3.1.1 语法规则的构建 | 第31-33页 |
| 3.1.2 实验分析 | 第33-34页 |
| 3.2 领域相关情感词的识别方法 | 第34-37页 |
| 3.2.1 差分共现法识别领域相关情感词 | 第34-36页 |
| 3.2.2 实验分析 | 第36-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第四章 情感词情感强度的计算 | 第39-51页 |
| 4.1 HowNet求词语相似度 | 第39-40页 |
| 4.2 word2vec求词语相似度 | 第40-45页 |
| 4.2.1 CBOW原理 | 第41-43页 |
| 4.2.2 梯度计算 | 第43-45页 |
| 4.3 情感词强度的计算方法 | 第45-47页 |
| 4.4 实验分析 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 基于深度学习的情感分类模型 | 第51-67页 |
| 5.1 卷积神经网络 | 第51-55页 |
| 5.1.1 卷积神经网络原理 | 第51-53页 |
| 5.1.2 基于CNN的情感分类模型 | 第53-55页 |
| 5.2 循环神经网络 | 第55-59页 |
| 5.2.1 循环神经网络原理 | 第55-57页 |
| 5.2.2 基于LSTM的情感分类模型 | 第57-59页 |
| 5.3 实验分析 | 第59-65页 |
| 5.3.1 实验数据 | 第59-60页 |
| 5.3.2 性能指标 | 第60-61页 |
| 5.3.3 实验 | 第61-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文工作总结 | 第67页 |
| 6.2 未来展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 作者简介 | 第75-76页 |
