基于深度学习的中文短文本情感分析
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于情感词典的文本情感分析方法 | 第10-11页 |
| 1.2.2 基于机器学习的文本情感分析方法 | 第11-14页 |
| 1.3 课题研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 文本情感分析的相关技术 | 第15-23页 |
| 2.1 文本预处理 | 第15-16页 |
| 2.1.1 规范编码格式 | 第15页 |
| 2.1.2 数据去重去噪 | 第15页 |
| 2.1.3 分词 | 第15-16页 |
| 2.2 文本表示模型 | 第16-17页 |
| 2.2.1 布尔模型 | 第16页 |
| 2.2.2 向量空间模型 | 第16-17页 |
| 2.2.3 概率主题模型 | 第17页 |
| 2.3 深度学习 | 第17-22页 |
| 2.3.1 人工神经网络 | 第18-21页 |
| 2.3.2 卷积神经网络 | 第21页 |
| 2.3.3 循环神经网络 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 新词发现 | 第23-32页 |
| 3.1 概述 | 第23-24页 |
| 3.2 新词发现 | 第24-29页 |
| 3.2.1 候选词选取 | 第24页 |
| 3.2.2 新词发现算法 | 第24-29页 |
| 3.3 实验结果与分析 | 第29-30页 |
| 3.3.1 实验环境 | 第29页 |
| 3.3.2 新词发现实验结果 | 第29-30页 |
| 3.3.3 中文分词实验评估 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 基于GRU的情感分析 | 第32-42页 |
| 4.1 研究动机 | 第32页 |
| 4.2 词向量 | 第32-35页 |
| 4.2.1 Word2Vec | 第32-35页 |
| 4.2.2 情感词向量 | 第35页 |
| 4.3 LSTM | 第35-37页 |
| 4.4 GRU网络 | 第37-38页 |
| 4.5 基于GRU的情感分析模型 | 第38-41页 |
| 4.5.1 GRU模型结构 | 第38-39页 |
| 4.5.2 算法流程 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 实验结果与分析 | 第42-50页 |
| 5.1 实验环境 | 第42页 |
| 5.2 评价指标 | 第42-43页 |
| 5.3 数据集 | 第43页 |
| 5.4 实验结果与分析 | 第43-49页 |
| 5.4.1 参数训练 | 第43-47页 |
| 5.4.2 基准系统 | 第47-48页 |
| 5.4.3 实验结果及分析 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 在学研究成果 | 第55-56页 |
| 致谢 | 第56页 |
