基于循环神经网络和卷积神经网络的中文情感分类研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 基于情感词典的情感分析现状 | 第13-14页 |
| 1.2.2 基于传统机器学习的情感分析现状 | 第14-15页 |
| 1.2.3 基于深度学习的情感分析现状 | 第15-17页 |
| 1.3 本文研究内容与工作 | 第17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第2章 深度学习概述 | 第19-34页 |
| 2.1 深度学习背景 | 第19-20页 |
| 2.2 深度学习的发展 | 第20-21页 |
| 2.3 深度学习原理 | 第21-22页 |
| 2.4 神经网络架构 | 第22-27页 |
| 2.4.1 前馈神经网络 | 第23-24页 |
| 2.4.2 循环神经网络 | 第24-26页 |
| 2.4.3 卷积神经网络 | 第26-27页 |
| 2.5 训练方法 | 第27-30页 |
| 2.5.1 损失函数 | 第28页 |
| 2.5.2 正则化方法 | 第28页 |
| 2.5.3 误差反向传播 | 第28-29页 |
| 2.5.4 梯度下降算法 | 第29-30页 |
| 2.6 深度学习应用 | 第30-34页 |
| 2.6.1 中文情感分析上的应用 | 第30-31页 |
| 2.6.2 NLP方向上的应用 | 第31页 |
| 2.6.3 图像处理方向上的应用 | 第31-33页 |
| 2.6.4 语音方向上的应用 | 第33-34页 |
| 第3章 基于长短期记忆网络的中文情感分析 | 第34-47页 |
| 3.1 引言 | 第34页 |
| 3.2 存在的难点和问题 | 第34-36页 |
| 3.3 双向LSTM和字嵌入模型 | 第36-42页 |
| 3.3.1 字嵌入模块 | 第36-38页 |
| 3.3.2 双向LSTM模块 | 第38-39页 |
| 3.3.3 情感分类模块 | 第39-40页 |
| 3.3.4 模型设计和算法描述 | 第40-42页 |
| 3.4 实验结果及分析 | 第42-46页 |
| 3.4.1 参数设置 | 第42-44页 |
| 3.4.3 实验结果 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于卷积控制块的中文情感分析 | 第47-60页 |
| 4.1 引言 | 第47页 |
| 4.2 存在的难点和问题 | 第47-48页 |
| 4.3 卷积控制块模型 | 第48-54页 |
| 4.3.1 输入层 | 第48-49页 |
| 4.3.2 卷积控制块 | 第49-51页 |
| 4.3.3 池化操作 | 第51页 |
| 4.3.4 输出层 | 第51-52页 |
| 4.3.5 算法描述 | 第52-54页 |
| 4.4 实验结果及分析 | 第54-58页 |
| 4.4.1 数据集 | 第54页 |
| 4.4.2 评价指标 | 第54-55页 |
| 4.4.3 参数设置 | 第55页 |
| 4.4.4 实验结果 | 第55-58页 |
| 4.5 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
