基于改进的Word2vec的评论情感倾向性分析
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究问题概述 | 第11-12页 |
| 1.2 研究背景及现状 | 第12-16页 |
| 1.3 研究内容 | 第16页 |
| 1.4 本文的结构 | 第16-18页 |
| 第2章 相关技术和理论 | 第18-32页 |
| 2.1 语言模型 | 第18-27页 |
| 2.1.1 统计语言模型 | 第18-19页 |
| 2.1.2 神经网络语言模型 | 第19-21页 |
| 2.1.3 CBOW和Skip-gram模型 | 第21-27页 |
| 2.2 同义词词林 | 第27-28页 |
| 2.3 注意力机制 | 第28-30页 |
| 2.4 增量学习概述 | 第30-31页 |
| 2.5 情感分析 | 第31-32页 |
| 第3章 基于Word2vec的增量学习方法 | 第32-40页 |
| 3.1 Word2vec的增量学习方法 | 第32-34页 |
| 3.2 语料库的预处理 | 第34-35页 |
| 3.3 增量训练验证 | 第35-39页 |
| 3.3.1 基于不同大小语料库的语义相关性实验 | 第35-36页 |
| 3.3.2 基于不同向量维度的语义相关性实验 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 中文词表示技术 | 第40-49页 |
| 4.1 词语相似度计算 | 第40-41页 |
| 4.2 ACWE模型 | 第41-45页 |
| 4.3 实验设计及结果分析 | 第45-48页 |
| 4.3.1 语料库的预处理 | 第45页 |
| 4.3.2 实验设置 | 第45-46页 |
| 4.3.3 语义相关性实验 | 第46页 |
| 4.3.4 语料库大小的影响 | 第46-47页 |
| 4.3.5 近似词汇分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于改进的Word2vec的情感分析方法 | 第49-58页 |
| 5.1 ZACWE模型 | 第49-50页 |
| 5.2 情感分析词典的构建 | 第50-54页 |
| 5.2.1 情感极性词典的构建和扩展 | 第50-53页 |
| 5.2.2 程度词词典的构建 | 第53页 |
| 5.2.3 关系词词典的构建 | 第53-54页 |
| 5.2.4 标点符号词典的构建 | 第54页 |
| 5.3 情感词极性算法 | 第54-56页 |
| 5.4 实验 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读学位期间发表的学术论文 | 第66-67页 |
| 附录B 攻读学位期间参与的科研项目 | 第67页 |
