| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本课题研究工作 | 第13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第二章 相关理论基础 | 第14-26页 |
| 2.1 基于单网络的文本情感分析 | 第14-22页 |
| 2.1.1 前向神经网络 | 第14-15页 |
| 2.1.2 基于卷积神经网络(CNN)的单网络算法 | 第15-19页 |
| 2.1.3 基于递归神经网络的单网络算法 | 第19-21页 |
| 2.1.4 基于LSTM的单网络算法 | 第21-22页 |
| 2.2 基于组合网络的文本情感分析 | 第22-26页 |
| 2.2.1 基于Multi-task的多网络算法 | 第22-24页 |
| 2.2.2 多网络组合算法 | 第24-25页 |
| 2.2.3 小结 | 第25-26页 |
| 第三章 数据预处理 | 第26-31页 |
| 3.1 预处理流程 | 第26页 |
| 3.2 语料搜集 | 第26-27页 |
| 3.3 数据处理 | 第27-31页 |
| 3.3.1 数据清洗 | 第27-29页 |
| 3.3.2 计算情感标签 | 第29-30页 |
| 3.3.3 小结 | 第30-31页 |
| 第四章 基于卷积神经网络的短文本情感分析 | 第31-43页 |
| 4.1 改进的单卷积网络算法(MF-CNN) | 第31-34页 |
| 4.1.1 网络结构 | 第31-33页 |
| 4.1.2 超参数选择 | 第33-34页 |
| 4.2 改进的多卷积网络融合算法 | 第34-38页 |
| 4.2.1 基于Adaboost的改进组合算法 | 第34-36页 |
| 4.2.2 基于Bagging的组合算法 | 第36-38页 |
| 4.3 实验分析 | 第38-42页 |
| 4.3.1 实验设置 | 第38-39页 |
| 4.3.2 对比实验 | 第39-40页 |
| 4.3.3 MF-CNN参数选择 | 第40-41页 |
| 4.3.4 bagging-mf-cnn超参数分析 | 第41-42页 |
| 4.4 小结 | 第42-43页 |
| 第五章 基于多任务算法短文本情感分析 | 第43-54页 |
| 5.1 算法框架描述 | 第43-45页 |
| 5.1.1 整体框架 | 第43-44页 |
| 5.1.2 学习算法 | 第44-45页 |
| 5.2 基于doc2vec的算法实现 | 第45-50页 |
| 5.2.1 DVBSC原理分析 | 第45-46页 |
| 5.2.2 PV-DM子模型 | 第46-48页 |
| 5.2.3 情感分类器子模型 | 第48-49页 |
| 5.2.4 DVBSC训练与测试 | 第49-50页 |
| 5.3 实验分析 | 第50-53页 |
| 5.3.1 对比实验 | 第50-51页 |
| 5.3.2 参数选择 | 第51-53页 |
| 5.4 小结 | 第53-54页 |
| 第六章 结语 | 第54-56页 |
| 6.1 本文工作总结 | 第54-55页 |
| 6.2 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 作者攻读学位期间发表的学术论文目录 | 第61页 |