| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 情感分析概述 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文主要研究内容及结构安排 | 第13-15页 |
| 1.4 本章小结 | 第15-17页 |
| 第二章 相关理论概述 | 第17-25页 |
| 2.1 文本内容的编码方法 | 第17-22页 |
| 2.1.1 哈夫曼编码 | 第17-18页 |
| 2.1.2 One-hotEncoder编码 | 第18-20页 |
| 2.1.3 Word2vec编码 | 第20-22页 |
| 2.2 情感分析工作的评估方法 | 第22-23页 |
| 2.3 数据集介绍 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于RUSBoost与积矩系数的神经网络分类算法 | 第25-39页 |
| 3.1 问题的提出 | 第25-26页 |
| 3.2 神经网络分类算法 | 第26-28页 |
| 3.3 RUSBOOST算法 | 第28-29页 |
| 3.4 PEARSON积矩系数 | 第29-30页 |
| 3.5 基于RUSBOOST和积矩系数的神经网络分类优化算法 | 第30-33页 |
| 3.6 实验结果及分析 | 第33-37页 |
| 3.6.1 RPN算法分类性能分析 | 第34-36页 |
| 3.6.2 RPN算法时间性能分析 | 第36-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第四章 一种简化激活函数的卷积神经网络分类算法 | 第39-51页 |
| 4.1 问题的提出 | 第39-40页 |
| 4.2 卷积神经网络 | 第40-41页 |
| 4.3 激活函数 | 第41-42页 |
| 4.4 一种简化激活函数的卷积神经网络分类算法 | 第42-46页 |
| 4.4.1 SReLU激活函数 | 第43-44页 |
| 4.4.2 SCNN卷积神经网络 | 第44-46页 |
| 4.5 实验结果及分析 | 第46-49页 |
| 4.5.1 SCNN分类性能分析 | 第46-47页 |
| 4.5.2 SCNN时间性能分析 | 第47-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第五章 基于卷积神经网络的文本情感分类算法 | 第51-61页 |
| 5.1 问题的提出 | 第51-52页 |
| 5.2 基于AOE的情感特征压缩方法 | 第52-54页 |
| 5.3 一种ICSA的文本情感分类算法 | 第54-55页 |
| 5.4 实验结果及分析 | 第55-58页 |
| 5.4.1 ICSA分类性能分析 | 第55-57页 |
| 5.4.2 ICSA时间性能分析 | 第57-58页 |
| 5.5 本章小结 | 第58-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-71页 |
| 攻读硕士学位期间取得的科研成果 | 第71-73页 |
| 致谢 | 第73-74页 |