基于卷积神经网络的文本分类
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 文本情感分类存在的问题 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 1.5 论文组织结构安排 | 第15-17页 |
| 第2章 文本情感分类相关理论 | 第17-27页 |
| 2.1 文本情感分类流程 | 第17-19页 |
| 2.2 文本建模 | 第19-21页 |
| 2.2.1 布尔模型 | 第19-20页 |
| 2.2.2 概率模型 | 第20页 |
| 2.2.3 向量空间模型 | 第20-21页 |
| 2.3 特征选择 | 第21-22页 |
| 2.4 卷积神经网络 | 第22-26页 |
| 2.4.1 人工神经网络 | 第22-24页 |
| 2.4.2 卷积操作 | 第24-25页 |
| 2.4.3 池化操作 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于卷积神经网络的文本情感分类 | 第27-45页 |
| 3.1 Word2vec语义向量构建 | 第27-32页 |
| 3.1.1 -CBOW模型 | 第28-29页 |
| 3.1.2 -Skip-gram模型 | 第29-31页 |
| 3.1.3 -Word2vec特性 | 第31-32页 |
| 3.2 情感词典的扩充 | 第32-36页 |
| 3.2.1 传统的情感词典扩充方法 | 第34页 |
| 3.2.2 基于Word2vec的情感词典扩充 | 第34-36页 |
| 3.3 词向量的设计 | 第36-39页 |
| 3.3.1 全局词向量 | 第37页 |
| 3.3.2 本地词向量 | 第37-39页 |
| 3.4 模型设计 | 第39-44页 |
| 3.4.1 卷积层的设计 | 第39-42页 |
| 3.4.2 池化层和全连接层的设计 | 第42页 |
| 3.4.3 双通道模型设计 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 实验与分析 | 第45-57页 |
| 4.1 数据集 | 第45页 |
| 4.2 文本预处理 | 第45-47页 |
| 4.3 实验环境设置 | 第47-48页 |
| 4.4 实验对比分析 | 第48-54页 |
| 4.5 本章小结 | 第54-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士期间发表的文章和取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
