| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 单领域情感分类 | 第12-13页 |
| 1.2.2 跨领域情感分类 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文章节安排 | 第15-17页 |
| 第2章 文本情感分类方法概述 | 第17-37页 |
| 2.1 引言 | 第17-18页 |
| 2.2 文本表示 | 第18-24页 |
| 2.2.1 文本预处理 | 第18-20页 |
| 2.2.2 特征选择 | 第20-22页 |
| 2.2.3 文本表示模型 | 第22-24页 |
| 2.3 基于浅层学习的跨领域情感分类 | 第24-31页 |
| 2.3.1 非负矩阵分解 | 第24-26页 |
| 2.3.2 谱聚类 | 第26页 |
| 2.3.3 关联规则 | 第26-27页 |
| 2.3.4 常用分类器 | 第27-31页 |
| 2.4 基于深度学习的跨领域情感分类 | 第31-36页 |
| 2.4.1 深度信念网 | 第31-32页 |
| 2.4.2 堆叠去噪自动编码机 | 第32-33页 |
| 2.4.3 动态卷积神经网络 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 基于关联规则进行词对齐的跨领域情感分类算法 | 第37-51页 |
| 3.1 引言 | 第37页 |
| 3.2 基于关联规则进行词对齐的跨领域情感分类算法 | 第37-42页 |
| 3.2.1 强关联规则挖掘 | 第38-39页 |
| 3.2.2 相关词对齐 | 第39-42页 |
| 3.3 实验结果与分析 | 第42-49页 |
| 3.3.1 数据集概述 | 第42-43页 |
| 3.3.2 实验结果 | 第43-45页 |
| 3.3.3 参数分析 | 第45-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 基于动态卷积超限学习的情感分类算法 | 第51-63页 |
| 4.1 引言 | 第51页 |
| 4.2 超限学习机 | 第51-52页 |
| 4.3 动态卷积超限学习算法 | 第52-54页 |
| 4.3.1 词向量表示 | 第52-53页 |
| 4.3.2 特征提取 | 第53-54页 |
| 4.3.3 分类器训练 | 第54页 |
| 4.4 评论数据集与评价标准 | 第54-56页 |
| 4.4.1 数据集概述 | 第54-55页 |
| 4.4.2 评价标准 | 第55-56页 |
| 4.5 实验结果与分析 | 第56-61页 |
| 4.5.1 DCELM的对比实验 | 第56-59页 |
| 4.5.2 参数分析 | 第59-61页 |
| 4.6 本章小结 | 第61-63页 |
| 第5章 跨领域动态卷积超限学习模型 | 第63-71页 |
| 5.1 引言 | 第63页 |
| 5.2 跨领域动态卷积超限学习模型 | 第63-65页 |
| 5.2.1 参数训练 | 第63-64页 |
| 5.2.2 参数传递 | 第64-65页 |
| 5.3 实验结果与分析 | 第65-69页 |
| 5.3.1 数据集概述 | 第65页 |
| 5.3.2 实验结果 | 第65-67页 |
| 5.3.3 参数分析 | 第67-69页 |
| 5.4 本章小结 | 第69-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的学术论文 | 第77-79页 |
| 致谢 | 第79页 |