| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第8-18页 |
| 1.1 概述 | 第8-13页 |
| 1.1.1 文本情感分析的方法划分 | 第9-11页 |
| 1.1.2 文本情感分析的层次划分 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 研究意义 | 第15-16页 |
| 1.4 研究目标 | 第16页 |
| 1.5 论文的组织 | 第16-18页 |
| 第2章 论文相关背景和技术介绍 | 第18-27页 |
| 2.1 词嵌入（Word Embeding） | 第18-20页 |
| 2.2 支持向量回归(Support Vector Regression,SVR) | 第20-21页 |
| 2.3 卷积神经网络(Convolutional Neural Networks,CNN) | 第21-24页 |
| 2.3.1 局部感知 | 第22页 |
| 2.3.2 权值共享 | 第22-23页 |
| 2.3.3 多卷积核 | 第23页 |
| 2.3.4 Down-samping | 第23-24页 |
| 2.4 循环神经网络(recursive neural network,RNN) | 第24-25页 |
| 2.5 长短期记忆网络(Long Stem Memory Network ,LSTM) | 第25-27页 |
| 第3章 基于连续维度型的短语文本情感强度计算方法 | 第27-40页 |
| 3.1 研究动机 | 第27页 |
| 3.2 基于SVR和规则结合的短语文本Valence-Arousal预测模型 | 第27-31页 |
| 3.2.1 情感词动态预测 | 第28-29页 |
| 3.2.2 短语文本修饰语处理 | 第29-31页 |
| 3.3 实验评估 | 第31-37页 |
| 3.3.1 实验数据集 | 第32-36页 |
| 3.3.2 实验评估指标 | 第36-37页 |
| 3.4 实验结果对比 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于连续维度型的句子文本情感强度计算方法 | 第40-50页 |
| 4.1 研究动机 | 第40-41页 |
| 4.2 基于W-CNN-LSTM的句子文本情感Valence-Arousal预测模型 | 第41-45页 |
| 4.2.1 CNN Layer部分 | 第42-44页 |
| 4.2.2 LSTM Layer部分 | 第44页 |
| 4.2.3 Weights Layer部分 | 第44-45页 |
| 4.3 实验评估 | 第45-47页 |
| 4.3.1 实验数据集 | 第45-46页 |
| 4.3.2 实验评价指标 | 第46-47页 |
| 4.4 实验结果对比 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-57页 |
