基于深度学习的细粒度中文情感分析及规则库学习
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题的背景及意义 | 第10页 |
| 1.2 国内外的研究现状 | 第10-11页 |
| 1.3 主要工作 | 第11-12页 |
| 1.4 内容安排 | 第12-14页 |
| 第二章 文本处理与情感分析技术综述 | 第14-26页 |
| 2.1 文本处理技术综述 | 第14-18页 |
| 2.1.1 中文分词技术 | 第14-15页 |
| 2.1.2 词袋模型 | 第15-16页 |
| 2.1.3 词向量技术 | 第16-18页 |
| 2.1.4 小结 | 第18页 |
| 2.2 情感分析技术综述 | 第18-23页 |
| 2.2.1 基于规则的情感分析技术 | 第18-20页 |
| 2.2.2 基于机器学习的情感分析技术 | 第20-22页 |
| 2.2.3 基于深度学习的情感分析技术 | 第22-23页 |
| 2.2.4 小结 | 第23页 |
| 2.3 本章小结 | 第23-26页 |
| 第三章 基于深度学习的细粒度中文文本情感分析 | 第26-42页 |
| 3.1 引言 | 第26-27页 |
| 3.2 实验数据集 | 第27页 |
| 3.3 基于RNN的情感分类模型 | 第27-32页 |
| 3.4 基于CNN的情感分类模型 | 第32-35页 |
| 3.5 基于属性词情感倾向的评论可视化 | 第35-39页 |
| 3.5.1 基于属性词的评论可视化 | 第35-38页 |
| 3.5.2 基于负面评论的情感分析 | 第38-39页 |
| 3.6 本章小结 | 第39-42页 |
| 第四章 基于深度学习的规则库学习 | 第42-48页 |
| 4.1 引言 | 第42页 |
| 4.2 基于同源异域的迁移学习概述 | 第42-43页 |
| 4.3 基于深度学习的规则库学习概述 | 第43-44页 |
| 4.4 实验与结果分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 本文总结 | 第48-49页 |
| 5.2 未来工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 攻读学位期间发表的学术论文 | 第56页 |
