| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 文本情感分类现状 | 第11-12页 |
| 1.2.2 深度学习现状 | 第12-14页 |
| 1.3 存在的问题和挑战 | 第14页 |
| 1.4 本文创新点及组织结构 | 第14-16页 |
| 2 句子情感分类基本知识 | 第16-26页 |
| 2.1 文本情感分析 | 第16-17页 |
| 2.2 传统句子情感分类模型 | 第17-20页 |
| 2.2.1 基于传统模型的句子表示 | 第17-18页 |
| 2.2.2 基于情感词典的句子情感分类 | 第18-19页 |
| 2.2.3 朴素贝叶斯句子情感分类方法 | 第19-20页 |
| 2.3 基于深度学习的句子情感分类模型 | 第20-26页 |
| 2.3.1 基于深度学习的句子表示 | 第20-21页 |
| 2.3.2 基本RNN模型 | 第21-24页 |
| 2.3.3 语法解析树 | 第24-26页 |
| 3 融合极性转移和LSTM网络的树结构网络模型 | 第26-40页 |
| 3.1 LSTM网络模型 | 第26-29页 |
| 3.2 基于树结构的LSTM网络模型 | 第29-32页 |
| 3.3 两种树结构网络模型 | 第32-36页 |
| 3.3.1 情感极性转移基本知识 | 第32-33页 |
| 3.3.2 融合极性转移和LSTM网络的依存句法结构树网络模型 | 第33-34页 |
| 3.3.3 融合极性转移和LSTM网络的短语结构树网络模型 | 第34-35页 |
| 3.3.4 误差计算 | 第35-36页 |
| 3.4 句子情感分类实验 | 第36-39页 |
| 3.4.1 数据集 | 第36页 |
| 3.4.2 超参数调整 | 第36-37页 |
| 3.4.3 实验结果 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于修辞结构理论、GRU网络和注意机制的树结构网络模型 | 第40-54页 |
| 4.1 GRU网络模型 | 第41-42页 |
| 4.2 基于树结构的GRU网络模型 | 第42-43页 |
| 4.3 修辞结构理论 | 第43-45页 |
| 4.4 基于修辞结构理论和GRU网络的树结构网络模型 | 第45-47页 |
| 4.4.1 RST-GRU网络模型 | 第46-47页 |
| 4.4.2 片段向量表示 | 第47页 |
| 4.5 基于注意机制的RST-GRU网络模型 | 第47-51页 |
| 4.5.1 注意机制 | 第48-50页 |
| 4.5.2 基于注意机制的RST-GRU网络模型 | 第50-51页 |
| 4.6 句子情感分类实验 | 第51-52页 |
| 4.7 本章小结 | 第52-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 附录 | 第63页 |
