面向用户评论的要素级情感分析算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文结构 | 第10-12页 |
| 第二章 要素抽取和情感分析算法概述 | 第12-24页 |
| 2.1 要素抽取和情感分析概述 | 第12-21页 |
| 2.1.1 基于规则的要素抽取和情感分析算法 | 第12-16页 |
| 2.1.2 基于主题模型的要素抽取和情感分析算法 | 第16-17页 |
| 2.1.3 基于深度学习的要素抽取和情感分析算法 | 第17-20页 |
| 2.1.4 要素抽取和情感分析的评价指标 | 第20-21页 |
| 2.2 深度学习概述 | 第21-24页 |
| 第三章 基于深度神经网络的字级要素抽取算法 | 第24-46页 |
| 3.1 基于字袋的要素抽取算法 | 第25-30页 |
| 3.1.1 文本特征表示 | 第25-26页 |
| 3.1.2 基于传统文本分类模型的要素抽取算法 | 第26-28页 |
| 3.1.3 基于深度神经网络的要素抽取算法 | 第28-30页 |
| 3.2 基于深度序列信息的字级要素抽取算法 | 第30-39页 |
| 3.2.1 基于卷积神经网络的字级要素抽取算法 | 第31-33页 |
| 3.2.2 基于长短时记忆网络的字级要素抽取算法 | 第33-38页 |
| 3.2.3 基于混合序列网络的字级要素抽取算法 | 第38-39页 |
| 3.3 实验 | 第39-46页 |
| 3.3.1 实验数据集 | 第40-42页 |
| 3.3.2 实验结果 | 第42-46页 |
| 第四章 基于深度神经网络的要素级情感分析算法 | 第46-52页 |
| 4.1 基于标签卷积神经网络的情感倾向分析算法 | 第46-49页 |
| 4.2 实验 | 第49-52页 |
| 第五章 总结及展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |
