| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景与意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 弹幕评论的相关研究 | 第10页 |
| 1.2.2 文本情感分析技术 | 第10-12页 |
| 1.2.3 深度学习 | 第12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 第二章 相关工作概述 | 第16-26页 |
| 2.1 弹幕评论的概念与研究应用 | 第16-18页 |
| 2.1.1 弹幕评论的概念 | 第16-17页 |
| 2.1.2 弹幕评论的研究与应用 | 第17-18页 |
| 2.2 文本情感分析的定义和方法 | 第18-19页 |
| 2.2.1 文本情感分析的定义 | 第18页 |
| 2.2.2 文本情感分析的方法 | 第18-19页 |
| 2.3 主题模型 | 第19-21页 |
| 2.3.1 TF-IDF | 第19页 |
| 2.3.2 K-MEANS模型 | 第19-20页 |
| 2.3.3 LDA模型 | 第20-21页 |
| 2.4 深度学习 | 第21-25页 |
| 2.4.1 循环神经网络模型(RNN) | 第21-23页 |
| 2.4.2 长短时记忆神经网络模型(LSTM) | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于深度学习的弹幕评论情感分析 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 语料库建设 | 第26-27页 |
| 3.3 ATTENTION-BASEDLSTM模型 | 第27-30页 |
| 3.3.1 注意力模型 | 第27-29页 |
| 3.3.2 Attention-Based LSTM模型 | 第29-30页 |
| 3.4 视频高光片段检测 | 第30-32页 |
| 3.4.1 视频片段重要性评分 | 第30-31页 |
| 3.4.2 SIS-LSTM模型 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第四章 实验设计与实验结果分析 | 第34-42页 |
| 4.1 实验环境 | 第34页 |
| 4.2 数据集 | 第34-36页 |
| 4.2.1 弹幕数据 | 第34-35页 |
| 4.2.2 弹幕情感词典 | 第35-36页 |
| 4.2.3 视频高光片段数据 | 第36页 |
| 4.3 实验评测指标 | 第36页 |
| 4.4 对比模型 | 第36-37页 |
| 4.5 实验结果 | 第37-40页 |
| 4.5.1 片段时长对实验结果的影响分析 | 第38-39页 |
| 4.5.2 词向量维度对实验结果的影响分析 | 第39-40页 |
| 4.6 本章小结 | 第40-42页 |
| 第五章 总结与展望 | 第42-44页 |
| 5.1 全文总结 | 第42页 |
| 5.2 展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士期间的科研成果 | 第48-50页 |
| 致谢 | 第50页 |