| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 第2章 相关理论及方法 | 第14-31页 |
| 2.1 广义线性模型 | 第14-16页 |
| 2.1.1 广义线性模型 | 第14-15页 |
| 2.1.2 SoftMax回归和Logistic回归 | 第15-16页 |
| 2.2 神经网络与深度学习 | 第16-26页 |
| 2.2.1 神经网络 | 第16-17页 |
| 2.2.2 深度学习 | 第17-18页 |
| 2.2.3 深度神经网络 | 第18-22页 |
| 2.2.4 神经网络语言模型 | 第22-26页 |
| 2.3 主题模型 | 第26-29页 |
| 2.4 小结 | 第29-31页 |
| 第3章 基于深度神经网络的短文本情感倾向性分析 | 第31-49页 |
| 3.1 语料库建设 | 第31-34页 |
| 3.1.1 开放语料分析 | 第31-32页 |
| 3.1.2 语料库构建 | 第32-34页 |
| 3.2 词袋模型与文本建模 | 第34-36页 |
| 3.2.1 词袋模型 | 第34页 |
| 3.2.2 基于词袋模型的文本建模 | 第34-36页 |
| 3.3 基于SOFTMAX和深度神经网络的短文本情感分析算法 | 第36-43页 |
| 3.3.1 基于SoftMax回归的短文本情感倾向性算法 | 第36-38页 |
| 3.3.2 基于深度神经网络的短文本情感倾向性算法 | 第38-43页 |
| 3.4 实验设计及实验结果 | 第43-47页 |
| 3.4.1 实验设计 | 第43-44页 |
| 3.4.2 实验结果及分析 | 第44-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于神经网络语言模型的短文本情感倾向性分析 | 第49-65页 |
| 4.1 相关背景知识补充 | 第49-51页 |
| 4.1.1 k-means聚类 | 第49-51页 |
| 4.2 基于神经网络语言模型的情感倾向性算法 | 第51-59页 |
| 4.2.1 问题引出 | 第51页 |
| 4.2.2 基于主题模型的情感倾向性算法 | 第51-54页 |
| 4.2.3 基于神经网络语言模型的短文本建模算法 | 第54-59页 |
| 4.3 实验设计与实验结果分析 | 第59-64页 |
| 4.3.1 实验设计 | 第59-60页 |
| 4.3.2 实验结果及分析 | 第60-64页 |
| 4.4 本章小结 | 第64-65页 |
| 结论与下一步工作计划 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读学位期间发表论文与研究成果清单 | 第70-71页 |
| 致谢 | 第71页 |
