| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 话题情感分析国内外研究现状 | 第12-13页 |
| 1.3.2 深度学习国内外研究现状 | 第13-14页 |
| 1.3.3 词向量 | 第14页 |
| 1.4 本文主要工作和创新点 | 第14-16页 |
| 1.5 本文的组织架构 | 第16-17页 |
| 第2章 基本概念及相关知识 | 第17-25页 |
| 2.1 话题识别模型 | 第17-19页 |
| 2.2 文本情感分析 | 第19-20页 |
| 2.3 词向量学习 | 第20页 |
| 2.4 深度神经网络模型 | 第20-23页 |
| 2.4.1 LSTM | 第21-22页 |
| 2.4.2 GRU | 第22-23页 |
| 2.5 算法 | 第23-25页 |
| 2.5.1 推断算法 | 第23-24页 |
| 2.5.2 softmax回归算法 | 第24-25页 |
| 第3章 弱监督的词向量联合话题情感分析模型 | 第25-43页 |
| 3.1 基于LDA的话题情感分析模型 | 第26-27页 |
| 3.2 弱监督的词向量联合话题情感分析模型 | 第27-30页 |
| 3.2.1 基于HowNet词典的词语情感倾向计算 | 第28-29页 |
| 3.2.2 词向量联合话题情感分析模型的生成过程 | 第29-30页 |
| 3.3 模型算法推理 | 第30-33页 |
| 3.4 试验结果与分析 | 第33-42页 |
| 3.4.1 数据集和评价指标 | 第33-35页 |
| 3.4.2 实验参数设置 | 第35-36页 |
| 3.4.3 实验结果对比与分析 | 第36-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 词向量依赖的联合话题情感分析模型 | 第43-58页 |
| 4.1 词向量话题模型和依赖关系的联合话题情感分析 | 第44-49页 |
| 4.1.1 基于词向量特征表达的话题模型 | 第44-45页 |
| 4.1.2 依赖关系的联合话题情感分析模型 | 第45-46页 |
| 4.1.3 词向量依赖的联合话题情感分析模型 | 第46-49页 |
| 4.2 基于RTSWE模型的联合话题情感分析 | 第49-56页 |
| 4.2.1 数据集和评价指标 | 第50-51页 |
| 4.2.2 联合话题情感分析模型方法比较 | 第51-56页 |
| 4.3 本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 全文总结 | 第58-59页 |
| 5.2 未来工作研究 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间的研究成果 | 第66页 |