| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的和意义 | 第13页 |
| 1.3 研究现状 | 第13-15页 |
| 1.3.1 深度神经网络 | 第13-14页 |
| 1.3.2 情感分析 | 第14-15页 |
| 1.4 本文研究工作 | 第15-16页 |
| 1.5 论文组织结构 | 第16-17页 |
| 2 深度神经网络及背景知识 | 第17-28页 |
| 2.1 神经网络相关知识介绍 | 第17-25页 |
| 2.1.1 神经网络简介 | 第17-19页 |
| 2.1.2 深度神经网络模型介绍 | 第19-22页 |
| 2.1.3 文本分布式向量表示 | 第22-25页 |
| 2.2 相关背景知识 | 第25-27页 |
| 2.2.1 文本情感分析 | 第25-26页 |
| 2.2.2 自然语言处理相关技术 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 基于CNN与Tree-LSTM的混合模型 | 第28-39页 |
| 3.1 基于CNN和Tree-LSTM混合神经网络模型 | 第28-34页 |
| 3.1.1 基于注意力机制组合词向量特征 | 第29-31页 |
| 3.1.2 卷积神经网络 | 第31-32页 |
| 3.1.3 Tree-LSTM结构语义信息提取 | 第32-33页 |
| 3.1.4 混合神经网络模型训练 | 第33-34页 |
| 3.2 实验 | 第34-38页 |
| 3.2.1 实验环境 | 第34页 |
| 3.2.2 实验数据集 | 第34-35页 |
| 3.2.3 实验可调参数设置 | 第35-36页 |
| 3.2.4 本文模型与基本模型的对比 | 第36页 |
| 3.2.5 实验结果分析 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 基于语义规则和双向LSTM的网络模型 | 第39-48页 |
| 4.1 基于语义规则的双向LSTM网络模型 | 第39-45页 |
| 4.1.1 篇章的语义规则情感特征提取 | 第39-41页 |
| 4.1.2 篇章的深层语义特征学习 | 第41-43页 |
| 4.1.3 基于语义规则的双向LSTM网络模型 | 第43-44页 |
| 4.1.4 模型训练 | 第44-45页 |
| 4.2 实验 | 第45-47页 |
| 4.2.1 数据集 | 第45页 |
| 4.2.2 模型可调参数设定 | 第45-46页 |
| 4.2.3 篇章情感分析的模型对比实验 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 个人简历、在校期间发表的论文及研究成果 | 第53-54页 |
| 致谢 | 第54页 |