| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 课题背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-28页 |
| 1.2.1 情感模型 | 第16-18页 |
| 1.2.2 文本情感分析方法 | 第18-23页 |
| 1.2.3 基于迁移学习的情感分析方法 | 第23-26页 |
| 1.2.4 文本情感原因发现方法 | 第26-28页 |
| 1.3 本文的研究内容及创新点 | 第28-30页 |
| 1.4 本文的内容安排 | 第30-32页 |
| 第2章 基于高斯分布负面迁移检测的情感分析 | 第32-49页 |
| 2.1 引言 | 第32-33页 |
| 2.2 基于迁移学习的情感分析方法 | 第33-42页 |
| 2.2.1 基于联合学习的情感分析方法 | 第33-36页 |
| 2.2.2 基于高斯分布的负面迁移检测方法 | 第36-42页 |
| 2.3 实验结果及分析 | 第42-47页 |
| 2.3.1 跨语言情感分析结果与分析 | 第42-46页 |
| 2.3.2 跨领域情感分析结果与分析 | 第46-47页 |
| 2.4 小结 | 第47-49页 |
| 第3章 基于拉德马赫和分布负面迁移检测的情感分析 | 第49-74页 |
| 3.1 引言 | 第49-50页 |
| 3.2 基于拉德马赫和分布的类噪声学习方法 | 第50-60页 |
| 3.2.1 基于拉德马赫和分布的类噪声估计方法 | 第53-55页 |
| 3.2.2 类噪声数据下分类器训练方法 | 第55-60页 |
| 3.3 基于拉德马赫和分布类噪声估计的样例迁移方法 | 第60-61页 |
| 3.4 实验结果与分析 | 第61-72页 |
| 3.4.1 类噪声估计试验结果与分析 | 第61-67页 |
| 3.4.2 跨领域情感分析实验结果与分析 | 第67-69页 |
| 3.4.3 跨领域情感分析实验结果与分析 | 第69-72页 |
| 3.5 小结 | 第72-74页 |
| 第4章 基于多源异质表示学习的情感分析 | 第74-98页 |
| 4.1 引言 | 第74-75页 |
| 4.2 基于多源异质信息的表示方法 | 第75-85页 |
| 4.2.1 基于文本信息的用户表示学习方法 | 第76-78页 |
| 4.2.2 基于异质信息的表示学习方法 | 第78-83页 |
| 4.2.3 基于多源异质表示的情感分析方法 | 第83-85页 |
| 4.3 结合表示学习和迁移学习的情感分析方法 | 第85-87页 |
| 4.4 实验结果及分析 | 第87-97页 |
| 4.4.1 基于多源异质表示的情感分析实验结果 | 第87-95页 |
| 4.4.2 基于文本表示和样例迁移的情感分析实验结果 | 第95-97页 |
| 4.5 小结 | 第97-98页 |
| 第5章 面向理解的情感原因抽取 | 第98-120页 |
| 5.1 引言 | 第98-99页 |
| 5.2 面向新闻文本的情感原因标注语料库 | 第99-103页 |
| 5.2.1 情感原因与情感表达中的语言学现象 | 第99-100页 |
| 5.2.2 语料的采集与标注 | 第100-101页 |
| 5.2.3 语料库的相关统计结果 | 第101-103页 |
| 5.3 基于多核支持向量机的情感原因抽取方法 | 第103-108页 |
| 5.4 基于卷积记忆网络的情感原因抽取方法 | 第108-113页 |
| 5.5 实验结果及分析 | 第113-119页 |
| 5.5.1 情感原因抽取实验结果与分析 | 第113-116页 |
| 5.5.2 细化实验结果与分析 | 第116-119页 |
| 5.6 小结 | 第119-120页 |
| 结论 | 第120-122页 |
| 参考文献 | 第122-139页 |
| 攻读博士学位期间发表的论文及其他成果 | 第139-144页 |
| 致谢 | 第144-146页 |
| 个人简历 | 第146页 |