基于图模型的文本情绪预测方法的研究与实现
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号对照表 | 第10-11页 |
缩略语对照表 | 第11-14页 |
第一章 绪论 | 第14-22页 |
1.1 研究背景及意义 | 第14-15页 |
1.2 国内外研究现状 | 第15-19页 |
1.2.1 情绪预测发展现状 | 第15-16页 |
1.2.2 情绪预测方法现状 | 第16-18页 |
1.2.3 情绪预测应用现状 | 第18-19页 |
1.3 主要研究内容 | 第19页 |
1.4 论文结构安排 | 第19-20页 |
1.5 本章总结 | 第20-22页 |
第二章 相关技术 | 第22-28页 |
2.1 词向量 | 第22-23页 |
2.2 卷积神经网络 | 第23-24页 |
2.3 循环神经网络 | 第24-26页 |
2.4 本章总结 | 第26-28页 |
第三章 利用图模型解决文本情绪预测的问题 | 第28-38页 |
3.1 问题分析 | 第28-29页 |
3.1.1 词向量存在的问题 | 第28页 |
3.1.2 卷积神经网络存在的问题 | 第28-29页 |
3.1.3 循环神经网络存在的问题 | 第29页 |
3.2 问题总结 | 第29-30页 |
3.3 解决思路 | 第30-31页 |
3.3.1 语义环境缺失的解决思路 | 第30页 |
3.3.2 文本上下文弱关联的解决思路 | 第30-31页 |
3.4 使用图模型处理文本情绪预测任务的总体流程 | 第31页 |
3.5 构建文本图模型 | 第31-34页 |
3.6 文本数据集的表示方法 | 第34-37页 |
3.7 本章总结 | 第37-38页 |
第四章 文本语义注入模型设计 | 第38-52页 |
4.1 文本语义注入模型 | 第38页 |
4.2 文本语义注入模型的结构 | 第38-49页 |
4.2.1 语义环境图模型矩阵化组件 | 第39-41页 |
4.2.2 文本图模型矩阵化组件 | 第41-42页 |
4.2.3 语义注入组件 | 第42-47页 |
4.2.4 压缩组件 | 第47-49页 |
4.3 本章总结 | 第49-52页 |
第五章 实验及性能分析 | 第52-66页 |
5.1 实验环境 | 第52页 |
5.2 实验数据集 | 第52-53页 |
5.3 评估策略 | 第53页 |
5.4 实验及性能分析 | 第53-58页 |
5.4.1 实验过程 | 第53-54页 |
5.4.2 实验模型的结构及参数 | 第54-56页 |
5.4.3 实验结果分析 | 第56-58页 |
5.5 对比实验 | 第58-63页 |
5.5.1 卷积神经网络 | 第58-61页 |
5.5.2 循环神经网络 | 第61-63页 |
5.6 实验结果对比 | 第63-65页 |
5.7 本章总结 | 第65-66页 |
第六章 总结与展望 | 第66-68页 |
6.1 总结 | 第66-67页 |
6.2 对未来的展望 | 第67-68页 |
参考文献 | 第68-72页 |
致谢 | 第72-74页 |
作者简介 | 第74-75页 |