深层多模态特征构建研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文结构 | 第13-14页 |
| 第二章 文本特征及图像特征提取技术 | 第14-22页 |
| 2.1 文本特征提取 | 第14-17页 |
| 2.1.1 文本预处理 | 第14-15页 |
| 2.1.2 TF-IDF | 第15-16页 |
| 2.1.3 信息增益 | 第16页 |
| 2.1.4 卡方分布统计 | 第16-17页 |
| 2.2 图像特征提取 | 第17-22页 |
| 2.2.1 颜色特征 | 第17-18页 |
| 2.2.2 形状特征 | 第18-19页 |
| 2.2.3 空间关系特征 | 第19-22页 |
| 第三章 深度神经网络及特征提取 | 第22-36页 |
| 3.1 标准神经网络结构 | 第22-32页 |
| 3.1.1 多层感知机 | 第22-23页 |
| 3.1.2 Highway神经网络 | 第23-25页 |
| 3.1.3 卷积神经网络 | 第25-26页 |
| 3.1.4 递归神经网络 | 第26-32页 |
| 3.2 基于神经网络的特征提取技术——词向量模型 | 第32-36页 |
| 第四章 数据准备与网络爬虫系统 | 第36-42页 |
| 4.1 数据源 | 第36-37页 |
| 4.2 面向研究数据的网络爬虫系统 | 第37-42页 |
| 4.2.1 设计思想 | 第37-38页 |
| 4.2.2 系统结构及实现 | 第38-42页 |
| 第五章 基于神经网络的文本特征提取技术 | 第42-48页 |
| 5.1 基于神经网络的文本特征提取方法 | 第42-44页 |
| 5.1.1 词向量构建工作 | 第42-44页 |
| 5.1.2 电影情感倾向预测 | 第44页 |
| 5.2 实验设置及数据准备 | 第44-48页 |
| 5.2.1 实验数据准备 | 第44-46页 |
| 5.2.2 实验设置及实验结果 | 第46-48页 |
| 第六章 基于神经网络的图像特征提取技术 | 第48-52页 |
| 6.1 基于神经网络的图像特征提取方法 | 第48-49页 |
| 6.1.1 VGGNet网络结构 | 第48-49页 |
| 6.2 基于深层图像特征的电影情感倾向预测实验 | 第49-52页 |
| 6.2.1 实验数据准备 | 第49-50页 |
| 6.2.2 实验设置及实验结果 | 第50-52页 |
| 第七章 基于神经网络的文本图像融合特征提取 | 第52-56页 |
| 7.1 基于神经网络的融合特征提取模型 | 第52-54页 |
| 7.2 基于融合特征的电影情感倾向预测实验 | 第54-55页 |
| 7.3 基于融合特征的电影评分预测实验 | 第55-56页 |
| 第八章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间发表的学术论文目录 | 第62页 |
