| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究目的和意义 | 第8-9页 |
| 1.2 国内外相关研究 | 第9-13页 |
| 1.2.1 意见要素识别研究现状 | 第10-11页 |
| 1.2.2 意见解释识别研究现状 | 第11-12页 |
| 1.2.3 LSTM研究现状 | 第12-13页 |
| 1.3 目前面临的主要问题 | 第13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 1.5 本文的组织安排 | 第15-16页 |
| 第2章 解释性意见要素语料构造与分析 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 解释性意见要素定义 | 第16-18页 |
| 2.3 语料标注 | 第18-21页 |
| 2.3.1 预处理 | 第18-19页 |
| 2.3.2 标注规范 | 第19-21页 |
| 2.4 解释性意见要素标注质量分析 | 第21-22页 |
| 2.5 语料库分析及统计数据 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于LSTM的解释性意见要素识别方法及其实现 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 任务描述及系统流程 | 第25-27页 |
| 3.3 背景知识 | 第27-29页 |
| 3.3.1 RNN模型 | 第27-28页 |
| 3.3.2 Bi-RNN | 第28-29页 |
| 3.4 基于LSTM的神经网络模型 | 第29-35页 |
| 3.4.1 整体框架图 | 第29-30页 |
| 3.4.2 CNN层 | 第30-31页 |
| 3.4.3 Bi-LSTM层 | 第31-34页 |
| 3.4.4 CRF层 | 第34-35页 |
| 3.4.5 模型训练 | 第35页 |
| 3.5 基于LSTM的方法实现 | 第35-41页 |
| 3.5.1 输入层 | 第35-39页 |
| 3.5.2 CNN层 | 第39-40页 |
| 3.5.3 Bi-LSTM层 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 解释性意见要素识别系统测试与结果分析 | 第42-60页 |
| 4.1 引言 | 第42页 |
| 4.2 实验系统设计与实现 | 第42-47页 |
| 4.2.1 CRF基线系统描述 | 第42-44页 |
| 4.2.2 系统描述及流程 | 第44-45页 |
| 4.2.3 系统界面 | 第45-47页 |
| 4.3 实验设置 | 第47-49页 |
| 4.3.1 实验数据 | 第47-48页 |
| 4.3.2 评测标准 | 第48-49页 |
| 4.4 基于LSTM方法的超参数优化 | 第49-54页 |
| 4.4.1 不同输入特征对实验结果的影响 | 第49-50页 |
| 4.4.2 不同维度和dropout策略对实验结果的影响 | 第50-53页 |
| 4.4.3 不同窗口大小实验 | 第53页 |
| 4.4.4 不同特征融合影响实验 | 第53-54页 |
| 4.5 对比实验结果 | 第54-59页 |
| 4.5.1 基于统计CRF模型的实验结果 | 第54-55页 |
| 4.5.2 开发集实验结果 | 第55-56页 |
| 4.5.3 测试集实验结果 | 第56-58页 |
| 4.5.4 意见解释对属性和评价识别的影响 | 第58-59页 |
| 4.6 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的学术论文及参加的科研项目 | 第68-69页 |