| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景、研究目的及意义 | 第9-10页 |
| 1.3 国内外相关技术发展现状 | 第10-15页 |
| 1.3.1 文本情感特征抽取研究现状 | 第11-12页 |
| 1.3.2 文本情感分类研究现状 | 第12-14页 |
| 1.3.3 迁移学习研究现状 | 第14-15页 |
| 1.4 本文的主要研究内容和组织结构 | 第15-17页 |
| 第2章 文本情感分析相关技术概述 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 文本情感特征抽取及表示 | 第17-20页 |
| 2.3 文本情感分类研究现状 | 第20-22页 |
| 2.3.1 基于情感词典资源的文本情感分类 | 第20-21页 |
| 2.3.2 基于机器学习的文本情感分类 | 第21-22页 |
| 2.3.3 基于深度学习的文本情感分类 | 第22页 |
| 2.4 迁移学习研究现状 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 结合卷积神经网络和词语情感序列特征的中文情感分析 | 第25-36页 |
| 3.1 引言 | 第25页 |
| 3.2 基于词典的词语抽象表示方法 | 第25-27页 |
| 3.3 基于词向量的卷积神经网络模型 | 第27-31页 |
| 3.3.1 卷积神经网络模型 | 第27-28页 |
| 3.3.2 基于词向量的情感序列特征提取模型 | 第28-30页 |
| 3.3.3 词语序列特征融合方法 | 第30-31页 |
| 3.4 实验结果及分析 | 第31-35页 |
| 3.4.1 实验数据预处理与模型参数设置 | 第31-32页 |
| 3.4.2 模型对比实验结果及分析 | 第32-33页 |
| 3.4.3 特征融合实验结果及分析 | 第33-34页 |
| 3.4.4 实验结果样例分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于迁移学习的中文情感分析 | 第36-53页 |
| 4.1 引言 | 第36页 |
| 4.2 基于K近邻的实例迁移学习 | 第36-39页 |
| 4.3 基于分类器迭代学习的实例迁移学习 | 第39-41页 |
| 4.4 基于高斯过程的知识迁移学习 | 第41-45页 |
| 4.4.1 高斯过程模型简介 | 第41-42页 |
| 4.4.2 基于高斯过程的知识迁移学习方法 | 第42-45页 |
| 4.5 实验结果及分析 | 第45-52页 |
| 4.5.1 实验设置 | 第45页 |
| 4.5.2 基于k近邻的实例迁移学习实验结果及分析 | 第45-48页 |
| 4.5.3 基于分类器迭代学习的实例迁移学习实验结果及分析 | 第48-49页 |
| 4.5.4 基于高斯过程的知识迁移学习实验结果及分析 | 第49-51页 |
| 4.5.5 三种迁移学习方法的对比分析 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60页 |
