致谢 | 第5-6页 |
摘要 | 第6-7页 |
Abstract | 第7页 |
1 引言 | 第10-16页 |
1.1 研究背景及意义 | 第10页 |
1.2 研究现状 | 第10-14页 |
1.3 主要研究内容 | 第14-15页 |
1.4 论文组织和结构 | 第15-16页 |
2 预备知识 | 第16-33页 |
2.1 文本预处理 | 第16页 |
2.2 文本表述 | 第16-18页 |
2.3 经典情感分类算法 | 第18-20页 |
2.4 深度神经网络 | 第20-24页 |
2.4.1 卷积神经网络 | 第21-23页 |
2.4.2 循环神经网络 | 第23页 |
2.4.3 递归神经网络 | 第23-24页 |
2.5 卷积神经网络的改进 | 第24-28页 |
2.5.1 池化操作的改进 | 第25页 |
2.5.2 参数正则化的改进 | 第25-26页 |
2.5.3 激活函数的改进 | 第26-27页 |
2.5.4 损失函数的改进 | 第27-28页 |
2.6 支持向量机理论 | 第28-33页 |
2.6.1 线性支持向量机 | 第29-30页 |
2.6.2 非线性支持向量机 | 第30-33页 |
3 基于L2-SVM和深度卷积神经网络的情感分析模型 | 第33-44页 |
3.1 问题的提出 | 第33页 |
3.2 基于L2-SVM和深度卷积神经网络的分类模型 | 第33-37页 |
3.2.1 LDCNN模型结构 | 第33-34页 |
3.2.2 LDCNN动态池化函数 | 第34-35页 |
3.2.3 LDCNN模型损失函数 | 第35页 |
3.2.4 模型参数优化 | 第35-37页 |
3.3 实验及结果分析 | 第37-43页 |
3.3.1 实验数据 | 第37页 |
3.3.2 评价指标 | 第37-38页 |
3.3.3 实验方案 | 第38-39页 |
3.3.4 实验参数 | 第39页 |
3.3.5 情感分类性能 | 第39-43页 |
3.4 本章小结 | 第43-44页 |
4 基于L2-SVM和并行卷积神经网络的情感分类模型 | 第44-49页 |
4.1 问题提出 | 第44页 |
4.2 基于L2-SVM和并行卷积神经网络的情感分类模型 | 第44-45页 |
4.2.1 LPCNN模型结构 | 第44页 |
4.2.2 LPCNN模型池化操作 | 第44-45页 |
4.2.3 LPCNN模型损失函数和参数优化 | 第45页 |
4.3 实验结果及分析 | 第45-48页 |
4.3.1 实验数据 | 第45-46页 |
4.3.2 评价指标 | 第46页 |
4.3.3 实验方案 | 第46页 |
4.3.4 实验参数 | 第46-47页 |
4.3.5 情感分类性能 | 第47-48页 |
4.4 本章小结 | 第48-49页 |
5 结论 | 第49-50页 |
6 参考文献 | 第50-54页 |
作者简历 | 第54-56页 |
学位论文数据集 | 第56-57页 |