| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.1.1 云服务社区背景 | 第12-13页 |
| 1.1.2 深度学习的相关背景 | 第13页 |
| 1.2 本文研究内容与意义 | 第13-14页 |
| 1.3 创新点 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 相关工作概述 | 第16-24页 |
| 2.1 前言 | 第16页 |
| 2.2 情感分析研究综述 | 第16-18页 |
| 2.2.1 基于情感词典的情感分析方法的研究 | 第17页 |
| 2.2.2 基于机器学习的情感分析方法的研究 | 第17-18页 |
| 2.2.3 基于深度学习的情感分析方法的研究 | 第18页 |
| 2.3 服务推荐的研究综述 | 第18-23页 |
| 2.3.1 Web服务的相关研究 | 第18-19页 |
| 2.3.2 服务推荐方法 | 第19-21页 |
| 2.3.3 基于用户的Web服务推荐方法的相关研究 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 云服务社区用户观点数据处理 | 第24-32页 |
| 3.1 云服务社区数据集采集 | 第24-25页 |
| 3.2 数据预处理模块的实现 | 第25-28页 |
| 3.2.1 数据清洗 | 第25-26页 |
| 3.2.2 中文分词 | 第26-28页 |
| 3.2.3 去除停用词 | 第28页 |
| 3.3 中文评论表示方法 | 第28-31页 |
| 3.3.1 Gensim | 第28-29页 |
| 3.3.2 词嵌入 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 用户观点情感倾向模型的设计与实现 | 第32-50页 |
| 4.1 前言 | 第32-33页 |
| 4.2 基于深度学习的情感分类模型 | 第33-41页 |
| 4.2.1 嵌入层 | 第33-34页 |
| 4.2.2 循环层 | 第34-39页 |
| 4.2.3 核心层 | 第39-41页 |
| 4.3 基于机器学习的情感分类模型 | 第41-43页 |
| 4.4 情感倾向模型在云服务社区中的应用 | 第43-44页 |
| 4.5 实验 | 第44-49页 |
| 4.5.1 实验环境 | 第44页 |
| 4.5.2 实验评估标准 | 第44-45页 |
| 4.5.3 与基于机器学习方法的实验结果对比 | 第45-46页 |
| 4.5.4 深度学习模型性能评估对比实验 | 第46-47页 |
| 4.5.5 模型参数对比实验 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 工作总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间的研究成果 | 第58页 |