情感增强词向量构建方法及应用
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 插图和附表清单 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 基于情感词典的方法 | 第14-15页 |
| 1.2.2 基于统计分析的方法 | 第15-17页 |
| 1.2.3 词向量 | 第17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第2章 情感分析相关研究 | 第20-31页 |
| 2.1 情感分析的机器学习算法 | 第20-21页 |
| 2.1.1 朴素贝叶斯 | 第20-21页 |
| 2.1.2 支持向量机 | 第21页 |
| 2.2 特征的自动提取算法 | 第21-24页 |
| 2.2.1 词袋模型 | 第22-23页 |
| 2.2.2 N-gram模型 | 第23-24页 |
| 2.2.3 TFIDF算法 | 第24页 |
| 2.3 词向量 | 第24-27页 |
| 2.3.1 一元词向量 | 第24-25页 |
| 2.3.2 词向量 | 第25-26页 |
| 2.3.3 词向量在情感分析中的应用 | 第26-27页 |
| 2.4 基于语法结构的情感特征提取 | 第27-29页 |
| 2.4.1 POS标注集 | 第27-28页 |
| 2.4.2 否定词 | 第28-29页 |
| 2.5 情感词典构建 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 情感增强词向量模型 | 第31-40页 |
| 3.1 情感增强词向量模型框架 | 第31-32页 |
| 3.2 情感增强概率语言模型 | 第32-35页 |
| 3.3 情感增强神经网络算法 | 第35-39页 |
| 3.3.1 神经网络输入参数 | 第36页 |
| 3.3.2 神经网络输入层定义 | 第36-37页 |
| 3.3.3 神经网络隐藏层及输出层定义 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 情感增强词向量的应用 | 第40-46页 |
| 4.1 情感极性判别任务 | 第40-42页 |
| 4.1.1 EeDOM-N算法 | 第40-42页 |
| 4.2 情感词典的构建 | 第42-46页 |
| 4.2.1 情感种子选定 | 第43-44页 |
| 4.2.2 情感词语抽取算法 | 第44-46页 |
| 4.3 本章小结 | 第46页 |
| 第5章 实验与分析 | 第46-55页 |
| 5.1 数据集与评测指标 | 第46-49页 |
| 5.1.1 数据集 | 第46-47页 |
| 5.1.2 实验方案及评测指标 | 第47-49页 |
| 5.2 EeDOM-N算法的准确率的实验结果分析 | 第49-51页 |
| 5.3 情感词典构建实验分析 | 第51-55页 |
| 第6章 总结 | 第55-57页 |
| 6.1 论文总结 | 第55页 |
| 6.2 进一步展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 后记 | 第62页 |
