| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-32页 |
| 1.1 研究的背景及意义 | 第15-16页 |
| 1.2 研究现状及分析 | 第16-27页 |
| 1.2.1 文本情感分析研究现状 | 第16-22页 |
| 1.2.2 文本分布式表示学习研究现状 | 第22-27页 |
| 1.3 研究内容及创新点 | 第27-30页 |
| 1.3.1 主要研究内容 | 第27-29页 |
| 1.3.2 主要创新点 | 第29-30页 |
| 1.4 本文的组织结构 | 第30-32页 |
| 第2章 基于目标相关句子类型分类的文本情感分析 | 第32-51页 |
| 2.1 引言 | 第32-33页 |
| 2.2 句子类型分类与情感目标 | 第33-35页 |
| 2.3 基于情感目标相关句子类型分类的文本情感分析 | 第35-43页 |
| 2.3.1 基于序列标注模型的情感目标抽取 | 第35-40页 |
| 2.3.2 情感目标相关句子类型分类与情感分类 | 第40-43页 |
| 2.4 实验结果及分析 | 第43-50页 |
| 2.4.1 语句级情感分类实验结果及分析 | 第43-48页 |
| 2.4.2 情感目标抽取实验结果及分析 | 第48-50页 |
| 2.5 本章小结 | 第50-51页 |
| 第3章 基于分布式表示过采样的文本情感分析 | 第51-73页 |
| 3.1 引言 | 第51-52页 |
| 3.2 不平衡分类问题与分布式表示的内在特征 | 第52-55页 |
| 3.3 基于分布式表示的少数类样本过采样方法DR-SMOTE | 第55-62页 |
| 3.3.1 词向量构建方法 | 第56-57页 |
| 3.3.2 基于递归张量神经网络的句子向量复合方法 | 第57-60页 |
| 3.3.3 基于DR-SMOTE的文本情感分类 | 第60-62页 |
| 3.4 实验结果及分析 | 第62-71页 |
| 3.4.1 单标签二分类英文情感分类实验结果及分析 | 第62-66页 |
| 3.4.2 多标签多分类中文情绪分类实验结果及分析 | 第66-70页 |
| 3.4.3 与基于句子类型分类的情感分类方法结合的性能比较 | 第70-71页 |
| 3.5 本章小结 | 第71-73页 |
| 第4章 基于逐层分步复合的文本情感分析 | 第73-91页 |
| 4.1 引言 | 第73-74页 |
| 4.2 基于词、句子、文档逐层分步复合的文本情感分析方法 | 第74-83页 |
| 4.2.1 一维卷积神经网络 | 第75-78页 |
| 4.2.2 语句级分布式表示复合层 | 第78-81页 |
| 4.2.3 文档级分布式表示复合层 | 第81-83页 |
| 4.3 实验结果及分析 | 第83-90页 |
| 4.3.1 实验设置 | 第83-85页 |
| 4.3.2 文档级情感分类实验结果及分析 | 第85-87页 |
| 4.3.3 文档级分布式表示的过采样实验结果及分析 | 第87-90页 |
| 4.4 本章小结 | 第90-91页 |
| 第5章 结合用户与商品分布式表示的文本情感分析 | 第91-107页 |
| 5.1 引言 | 第91-92页 |
| 5.2 结合用户与商品分布式表示的情感分析方法 | 第92-99页 |
| 5.2.1 构建用户和商品评论文档的时间序列 | 第95-96页 |
| 5.2.2 使用序列标注模型对用户和商品的时间序列进行建模 | 第96-98页 |
| 5.2.3 情感分类模块 | 第98-99页 |
| 5.3 实验结果及分析 | 第99-105页 |
| 5.3.1 实验设置 | 第99-101页 |
| 5.3.2 总体性能比较 | 第101-103页 |
| 5.3.3 评论序列方法与无序集合方法的性能比较 | 第103-104页 |
| 5.3.4 不同序列模型的性能比较 | 第104-105页 |
| 5.3.5 不同评论向量复合方法的性能比较 | 第105页 |
| 5.4 本章小结 | 第105-107页 |
| 结论 | 第107-109页 |
| 参考文献 | 第109-127页 |
| 攻读博士学位期间发表的论文及其他成果 | 第127-130页 |
| 致谢 | 第130-131页 |
| 个人简历 | 第131页 |
