| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 文本情感分析 | 第8-9页 |
| 1.2.2 深度学习在短文本情感分析的应用 | 第9-10页 |
| 1.3 主要内容和章节结构 | 第10-13页 |
| 1.3.1 主要内容 | 第10-11页 |
| 1.3.2 组织结构 | 第11-13页 |
| 第2章 相关研究综述 | 第13-27页 |
| 2.1 文本情感分析 | 第13-16页 |
| 2.1.1 情感词典构造 | 第13-14页 |
| 2.1.2 主成分分析 | 第14-16页 |
| 2.2 深度学习相关模型与算法 | 第16-26页 |
| 2.2.1 深度学习概况 | 第16-17页 |
| 2.2.2 深度学习常用模型 | 第17-23页 |
| 2.2.3 词向量表示 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 社交网络短文本情感分析解决方案 | 第27-45页 |
| 3.1 基于情感词典与机器学习的短文本情感分析 | 第27-31页 |
| 3.1.1 融合词性特征的情感词典构造 | 第27-28页 |
| 3.1.2 基于word2vec的情感词典扩充 | 第28-30页 |
| 3.1.3 支持向量机分类器 | 第30-31页 |
| 3.2 基于卷积神经网络的多维特征短文本情感分析 | 第31-43页 |
| 3.2.1 基于词向量的语义特征 | 第32-33页 |
| 3.2.2 基于表情字符的情感特征 | 第33-35页 |
| 3.2.3 卷积神经网络模型 | 第35-38页 |
| 3.2.4 回归模型 | 第38-40页 |
| 3.2.5 模型正则化 | 第40-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第4章 实验与结果分析 | 第45-55页 |
| 4.1 实验数据集 | 第45-46页 |
| 4.2 词向量训练 | 第46-48页 |
| 4.3 实验评价指标 | 第48-49页 |
| 4.4 基于情感词典与机器学习方案的实验与分析 | 第49-52页 |
| 4.4.1 支持向量机模型的训练 | 第49-50页 |
| 4.4.2 实验设置 | 第50-51页 |
| 4.4.3 结果与分析 | 第51-52页 |
| 4.5 基于卷积神经网络的多维特征方案的实验与分析 | 第52-54页 |
| 4.5.1 实验设置 | 第52页 |
| 4.5.2 结果与分析 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-59页 |
| 5.1 总结 | 第55-56页 |
| 5.2 后期展望 | 第56-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-65页 |
| 致谢 | 第65页 |