| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 连续维度型文本情感分析 | 第9-11页 |
| 1.2 文本情感分析的层次划分 | 第11-14页 |
| 1.3 研究现状及存在问题 | 第14-17页 |
| 1.4 论文的主要研究内容 | 第17-19页 |
| 1.5 论文的结构安排 | 第19-21页 |
| 第二章 文本情感分析的相关工作 | 第21-43页 |
| 2.1 针对词汇的Valence-Arousal情感值标记方法研究 | 第21-25页 |
| 2.1.1 自我评定模型 | 第21-23页 |
| 2.1.2 基于回归模型的情感词汇标记方法 | 第23-25页 |
| 2.1.3 基于图模型的情感词汇标记方法 | 第25页 |
| 2.2 针对文本的Valence-Arousal情感分析研究 | 第25-27页 |
| 2.2.1 基于情感词典的文本情感分析方法 | 第26-27页 |
| 2.2.2 基于回归模型的文本情感分析方法 | 第27页 |
| 2.3 语义嵌入技术 | 第27-31页 |
| 2.3.1 词嵌入技术 | 第28-30页 |
| 2.3.2 句嵌入技术 | 第30-31页 |
| 2.4 面向离散类别型文本情感分析的深度神经网络算法 | 第31-36页 |
| 2.4.1 多层感知器 | 第31-32页 |
| 2.4.2 卷积神经网络 | 第32-34页 |
| 2.4.3 递归神经网络 | 第34-35页 |
| 2.4.4 长短期记忆 | 第35-36页 |
| 2.5 语料资源 | 第36-43页 |
| 2.5.1 语料库与情感词典 | 第36-38页 |
| 2.5.2 中文情感词汇和中文情感文本语料库 | 第38-43页 |
| 第三章 基于局部加权线性回归的跨语言词汇情感标记方法 | 第43-57页 |
| 3.1 研究动机 | 第43-44页 |
| 3.2 局部加权线性回归模型 | 第44-48页 |
| 3.2.1 特征选取 | 第45-46页 |
| 3.2.2 模型设计 | 第46-48页 |
| 3.3 实验评估 | 第48-55页 |
| 3.3.1 实验语料库 | 第48-49页 |
| 3.3.2 数值评价指标 | 第49-50页 |
| 3.3.3 参数选取 | 第50-51页 |
| 3.3.4 对比实验结果 | 第51-55页 |
| 3.3.5 实例分析 | 第55页 |
| 3.4 本章小结 | 第55-57页 |
| 第四章 基于社区加权图模型的同语种词汇情感标记方法 | 第57-77页 |
| 4.1 研究动机 | 第57-60页 |
| 4.2 基于社区聚类的加权图模型 | 第60-66页 |
| 4.2.1 语义相似度计算 | 第60页 |
| 4.2.2 加权图模型 | 第60-63页 |
| 4.2.3 基于社区聚类的邻接词汇选取 | 第63-66页 |
| 4.3 实验评估 | 第66-74页 |
| 4.3.1 实验语料库 | 第66页 |
| 4.3.2 数值评价指标 | 第66页 |
| 4.3.3 加权图模型的评估实验 | 第66-69页 |
| 4.3.4 邻接词汇选取的对比实验 | 第69-74页 |
| 4.4 本章小结 | 第74-77页 |
| 第五章 基于区域划分CNN-LSTM模型的文本情感分析方法 | 第77-89页 |
| 5.1 研究动机 | 第77-79页 |
| 5.2 基于区域划分CNN-LSTM模型 | 第79-82页 |
| 5.2.1 卷积层 | 第79-80页 |
| 5.2.2 最大池化层 | 第80页 |
| 5.2.3 序列整合层 | 第80-81页 |
| 5.2.4 线性解码器 | 第81-82页 |
| 5.3 实验评估 | 第82-88页 |
| 5.3.1 实验语料库 | 第82-83页 |
| 5.3.2 数值评价指标 | 第83页 |
| 5.3.3 实验方法 | 第83-85页 |
| 5.3.4 对比实验结果 | 第85-88页 |
| 5.4 本章小结 | 第88-89页 |
| 第六章 总结 | 第89-93页 |
| 6.1 论文的主要工作及贡献 | 第89-90页 |
| 6.2 今后的研究工作 | 第90-93页 |
| 参考文献 | 第93-103页 |
| 攻读博士学位期间完成的科研成果 | 第103-105页 |
| 致谢 | 第105页 |
