首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

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

论文共75页,点击 下载论文
上一篇:基于天线位置优化的MIMO系统信道容量研究
下一篇:思想政治课议题式教学设计研究