基于深度语义特征的文本情感分析方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状与分析 | 第12-17页 |
| 1.2.1 文本情感分析的研究现状 | 第12-15页 |
| 1.2.2 深度学习的研究现状 | 第15-17页 |
| 1.3 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 文本情感分析原理及过程 | 第19-29页 |
| 2.1 文本情感分析概述 | 第19-20页 |
| 2.2 文本特征提取过程 | 第20-27页 |
| 2.2.1 文本预处理 | 第20页 |
| 2.2.2 文本序列表示 | 第20-26页 |
| 2.2.3 传统文本特征选择和权值计算 | 第26-27页 |
| 2.2.4 深度语义特征选择和权值计算 | 第27页 |
| 2.3 文本分类器 | 第27-28页 |
| 2.3.1 SVM分类器 | 第27-28页 |
| 2.3.2 Softmax回归 | 第28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 基于CHN的评论文本情感分析方法研究 | 第29-41页 |
| 3.1 研究动机 | 第29-30页 |
| 3.2 评论文本的相关处理 | 第30-32页 |
| 3.2.1 数据清洗 | 第30页 |
| 3.2.2 文本分词 | 第30-32页 |
| 3.2.3 停用词过滤 | 第32页 |
| 3.3 基于CHN的情感分析模型 | 第32-36页 |
| 3.3.1 词向量训练 | 第32-34页 |
| 3.3.2 CHN模型结构 | 第34-35页 |
| 3.3.3 模型训练 | 第35-36页 |
| 3.4 实验设计与结果分析 | 第36-40页 |
| 3.4.1 实验数据与评估标准 | 第36-38页 |
| 3.4.2 实验设置与结果分析 | 第38-40页 |
| 3.5 小结 | 第40-41页 |
| 第4章 基于ARCNN的情感分析方法研究 | 第41-53页 |
| 4.1 研究动机 | 第41页 |
| 4.2 ARCNN结构模型 | 第41-47页 |
| 4.2.1 BRNN模型 | 第41-44页 |
| 4.2.2 AM模型 | 第44-46页 |
| 4.2.3 ARCNN模型 | 第46-47页 |
| 4.3 基于ARCNN的情感分析模型 | 第47-49页 |
| 4.3.1 词向量训练 | 第47-48页 |
| 4.3.2 模型训练 | 第48-49页 |
| 4.4 实验设计与结果分析 | 第49-51页 |
| 4.4.1 实验数据与评估标准 | 第49页 |
| 4.4.2 实验设置与结果分析 | 第49-51页 |
| 4.5 小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53-54页 |
| 5.2 未来工作展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 附录 | 第63-64页 |
| 详细摘要 | 第64-66页 |
