使用深度学习技术的中文微博情感分析研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 论文主要研究和贡献 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 情感分析过程和相关技术介绍 | 第17-29页 |
| 2.1 文本情感分析过程 | 第17-21页 |
| 2.1.1 中文分词和文本表示 | 第18-19页 |
| 2.1.2 常见文本分类算法介绍 | 第19-21页 |
| 2.2 词向量模型介绍 | 第21-24页 |
| 2.2.1 CBOW模型 | 第22-23页 |
| 2.2.2 Skip-gram模型 | 第23-24页 |
| 2.3 自然语言处理中的深度学习模型 | 第24-27页 |
| 2.3.1 深度学习模型及其常用领域介绍 | 第24-25页 |
| 2.3.2 自然语言处理中的常见深度学习模型介绍 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 使用深度学习模型的微博情感分类 | 第29-39页 |
| 3.1 深度学习情感分类模型 | 第29-31页 |
| 3.1.1 LSTM情感分类模型 | 第29-30页 |
| 3.1.2 CNN情感分类模型 | 第30-31页 |
| 3.2 数据集及预处理 | 第31-34页 |
| 3.2.1 数据集及实验环境介绍 | 第31-32页 |
| 3.2.2 数据预处理 | 第32-34页 |
| 3.3 实验设计及结果分析 | 第34-38页 |
| 3.3.1 评价指标 | 第34页 |
| 3.3.2 实验参数设置 | 第34-36页 |
| 3.3.3 实验及结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 词向量情感权重调整方法的设计与验证 | 第39-45页 |
| 4.1 词向量情感权重调整实验 | 第39-41页 |
| 4.1.1 词向量情感权重的设计思路 | 第39页 |
| 4.1.2 词向量情感权重调整 | 第39-41页 |
| 4.2 词向量情感权重调整用于微博情感分类 | 第41-42页 |
| 4.3 实验结果及分析 | 第42-44页 |
| 4.3.1 实验设计 | 第42-43页 |
| 4.3.2 实验结果分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 中文微博情感多分类的设计与实现 | 第45-53页 |
| 5.1 中文微博情感多分类模型设计 | 第45-48页 |
| 5.1.1 深度学习实现多分类的原理 | 第45-47页 |
| 5.1.2 LSTM多分类模型介绍 | 第47-48页 |
| 5.2 实验结果分析 | 第48-52页 |
| 5.2.1 数据集介绍 | 第48-49页 |
| 5.2.2 数据预处理 | 第49-50页 |
| 5.2.3 具体实验设计 | 第50-51页 |
| 5.2.4 实验结果分析 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 总结 | 第53-54页 |
| 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间发表的论文 | 第60页 |
