首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

跨语言情感分析方法研究

主要创新点第5-12页
中文摘要第12-14页
Abstract第14-15页
1 绪论第16-23页
    1.1 研究意义第16-18页
    1.2 现有的研究方法概述第18-19页
    1.3 目前面临的挑战第19-20页
    1.4 本文研究内容第20-21页
    1.5 论文结构第21-23页
2 跨语言情感分析研究理论及研究现状第23-47页
    2.1 跨语言情感分析定义第23-24页
    2.2 跨语言情感分析研究基础知识第24-27页
        2.2.1 研究关键第24-25页
        2.2.2 多语情感表达第25-27页
    2.3 跨语言情感分析研究的理论基础---迁移学习理论第27-35页
        2.3.1 同源迁移学习方法第29-33页
        2.3.2 异源迁移学习方法第33-34页
        2.3.3 跨语言情感分析研究与迁移学习研究的关系第34-35页
    2.4 基于传统表达的迁移学习方法第35-41页
        2.4.1 基于多视图的集成学习方法第35-37页
        2.4.2 协同训练方法第37-38页
        2.4.3 跨语言结构对应学习方法第38-40页
        2.4.4 基于情感特征发现的混合模型第40-41页
        2.4.5 其他方法第41页
    2.5 多语共享的潜在表达学习方法第41-46页
        2.5.1 基于矩阵自动填充的两阶段方法第41-42页
        2.5.2 共享双语隐空间的自编码器方法第42-44页
        2.5.3 双语文本共享表达学习方法第44-46页
        2.5.4 其他方法第46页
    2.6 本章小结第46-47页
3 跨语言间情感知识的迁移和适应第47-75页
    3.1 引言第47-48页
    3.2 交叉采样与融合语义的跨语言情感分析模型第48-59页
        3.2.1 问题及模型定义第48-49页
        3.2.2 融合语义特征获取第49-51页
        3.2.3 交叉采样模型第51-54页
        3.2.4 实验及分析第54-59页
    3.3 基于知识验证的单向迁移学习模型第59-73页
        3.3.1 问题定义第60页
        3.3.2 模型概述第60-61页
        3.3.3 CredBoost学习框架第61-67页
            3.3.3.1 ‘‘导师-学生”的单向迁移模式第62-64页
            3.3.3.2 知识验证模型第64-67页
        3.3.4 实验及分析第67-73页
    3.4 本章小结第73-75页
4 跨语言间情感表达关系研究第75-88页
    4.1 引言第75-76页
    4.2 关系学习方法第76-77页
    4.3 基于双视图的卷积神经网络跨语言情感关系识别框架第77-78页
        4.3.1 问题定义第77-78页
    4.4 平行文本的单语情感表达学习第78-80页
        4.4.1 单语的一般语义学习第79-80页
        4.4.2 基于正交变换的单语情感表达学习第80页
    4.5 鲁棒的跨语言情感表达关系识别第80-82页
        4.5.1 鲁棒的跨语言情感关系捕捉第80-81页
        4.5.2 关系识别第81页
        4.5.3 训练目标和实现细节第81-82页
    4.6 实验及分析第82-87页
        4.6.1 实验设置第82-83页
        4.6.2 实验结果及分析第83-87页
    4.7 本章小结第87-88页
5 跨语言间情感极性表达关联研究第88-105页
    5.1 引言第88-89页
    5.2 基于“迁移”假设的关系学习方法第89-91页
    5.3 跨语言情感极性表达关联学习框架第91-92页
    5.4 情感表达学习第92-93页
    5.5 跨语言间情感极性表达关联学习第93-96页
        5.5.1 RBST模型概述第93-94页
        5.5.2 RBST-s模型第94-95页
        5.5.3 RBST-ph模型第95-96页
        5.5.4 RBST模型训练第96页
        5.5.5 模型预测第96页
    5.6 实验及分析第96-104页
        5.6.1 实验设置第96-98页
        5.6.2 实验结果及分析第98-104页
    5.7 本章小结第104-105页
6 总结与展望第105-108页
    6.1 全文总结第105-106页
    6.2 未来展望第106-108页
参考文献第108-119页
发表文章目录第119-120页
博士期间参与科研项目第120-121页
致谢第121-122页

论文共122页,点击 下载论文
上一篇:面向低空慢速小目标的协检测方法研究
下一篇:多智能体系统中分布式源点定位与状态估计的研究