首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

面向微博短文本的情感识别系统的研究与实现

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第10-14页
    1.1 研究背景第10-11页
    1.2 国内外研究现状第11页
    1.3. 研究内容和挑战第11-13页
        1.3.1 主要研究内容第11-12页
        1.3.2 主要挑战第12-13页
    1.4 论文结构第13-14页
第二章 相关技术介绍第14-25页
    2.1 传统的文本分类技术第14-15页
        2.1.1 文本预处理第14-15页
        2.1.2 文本表示第15页
    2.2 词的分布式表达第15-16页
    2.3 机器学习分类模型第16-18页
        2.3.1 朴素贝叶斯模型第16-17页
        2.3.2 支持向量机模型第17-18页
    2.4 神经网络模型第18-22页
        2.4.1 神经网络介绍第18-19页
        2.4.2 卷积神经网络第19-20页
        2.4.3 循环神经网络第20-22页
    2.5 激活函数第22-24页
        2.5.1 Sigmoid函数第23页
        2.5.2 Tanh双曲正切函数第23页
        2.5.3 ReLU函数第23-24页
    2.6 本章小结第24-25页
第三章 微博情感识别系统需求分析和架构设计第25-37页
    3.1 微博情感识别系统需求分析第25-26页
        3.1.1 系统高求概述第25-26页
        3.1.2 系统设计目标第26页
    3.2 微博文本的特点分析第26-27页
    3.3 系统的总体设计第27-29页
    3.4 模块的功能和架构第29-36页
        3.4.1 数据抓取和预处理模块功能和架构第29-31页
        3.4.2 分词增量子模块功能和架构第31-32页
        3.4.3 情感倾向识别模块功能和架构第32-34页
        3.4.4 数据存储模块功能和数据表设计第34-36页
        3.4.5 网页交互模块功能和架构第36页
    3.5 本章小结第36-37页
第四章 微博情感识别系统中的关键算法第37-59页
    4.1 词向量模型第37-39页
        4.1.1 统计语言模型第37-38页
        4.1.2 Word2vec模型第38-39页
    4.2 词序向量模型-Order_w2v第39-45页
        4.2.1 随机负采样第40-41页
        4.2.2 随机梯度下降求解第41-43页
        4.2.3 词向量模型训练和实验分析第43-45页
    4.3 深度神经模型第45-50页
        4.3.1 卷积神经网络第45-48页
        4.3.2 长短记忆神经网络第48-50页
    4.4 CNN-LSTM模型第50-54页
        4.4.1 编码部分-卷积提取局部特征第51页
        4.4.2 词序重组第51-52页
        4.4.3 解码部分-长短记忆神经网络第52-54页
    4.5 Softmax层第54-55页
    4.6 实验和分析第55-58页
        4.6.1 实验数据和评价标准第55-56页
        4.6.2 模型和结果分析第56-58页
    4.7 本章小结第58-59页
第五章 微博情感识别系统的实现第59-80页
    5.1 系统的层次结构第59-61页
    5.2 数据抓取和预处理模块第61-69页
        5.2.1 数据抓取子模块第61-65页
        5.2.2 数据预处理了模块第65-69页
    5.3 分词增量模块第69-73页
        5.3.1 分词模块第69-70页
        5.3.2 词典增量子模块第70-73页
    5.4 情感倾向识别模块第73-78页
        5.4.1 特征构建子模块第73-74页
        5.4.2 分类模型子模块第74-77页
        5.4.3 Dropout层第77-78页
        5.4.4 Xavier初始化方法第78页
    5.5 数据交互模块第78-79页
    5.6 本章小结第79-80页
第六章 微博情感识别系统的测试第80-87页
    6.1 测试目标第80页
    6.2 测试环境第80-81页
        6.2.1 测试架构第80-81页
        6.2.2 软硬件环境第81页
    6.3 系统测试第81-83页
    6.4 系统展示第83-86页
    6.5 本章小结第86-87页
第七章 结束语第87-88页
    7.1 论文总结第87页
    7.2 下一步研究工作第87-88页
参考文献第88-90页
致谢第90-91页
作者攻读学位期间发表的学术论文目录第91页

论文共91页,点击 下载论文
上一篇:面向多水下机器人的协同任务分配算法研究
下一篇:医院自助系统的设计与实现