基于汽车品牌评论的情感分类系统研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景与研究意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 文本表示方法 | 第15-16页 |
| 1.2.2 情感分类模型 | 第16-17页 |
| 1.2.3 情感挖掘系统框架 | 第17-18页 |
| 1.3 本文的研究内容与结构安排 | 第18-19页 |
| 第二章 基础理论与技术框架 | 第19-29页 |
| 2.1 中文文本处理 | 第19-22页 |
| 2.1.1 中文分词 | 第19-20页 |
| 2.1.2 单词嵌入 | 第20-22页 |
| 2.2 深度学习 | 第22-25页 |
| 2.2.1 深度学习概述 | 第22页 |
| 2.2.2 常见的网络模型 | 第22-25页 |
| 2.3 技术框架 | 第25-28页 |
| 2.3.1 TensorFlow框架 | 第25-27页 |
| 2.3.2 Keras框架 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于CP-CNN的汽车短文本评论情感分类 | 第29-39页 |
| 3.1 问题概述 | 第29-30页 |
| 3.2 模型构建 | 第30-32页 |
| 3.2.1 文本输入表示 | 第30-31页 |
| 3.2.2 特征抽取与预测 | 第31-32页 |
| 3.2.3 模型训练 | 第32页 |
| 3.3 实验结果与分析 | 第32-38页 |
| 3.3.1 实验数据 | 第32-34页 |
| 3.3.2 实验设置 | 第34-36页 |
| 3.3.3 实验结果 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于BLSTM的汽车长文本评论情感分类 | 第39-47页 |
| 4.1 问题概述 | 第39-40页 |
| 4.2 模型构建 | 第40-43页 |
| 4.2.1 文本输入表示 | 第40-41页 |
| 4.2.2 特征抽取与预测 | 第41-43页 |
| 4.2.3 模型训练 | 第43页 |
| 4.3 实验结果与分析 | 第43-46页 |
| 4.3.1 实验数据 | 第43-44页 |
| 4.3.2 实验设置 | 第44-45页 |
| 4.3.3 实验结果 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 汽车评论情感分类系统构建 | 第47-62页 |
| 5.1 汽车评论情感分类系统需求分析 | 第47-49页 |
| 5.1.1 系统目标 | 第47页 |
| 5.1.2 可行性分析 | 第47页 |
| 5.1.3 系统需求分析 | 第47-49页 |
| 5.2 汽车评论情感分类系统体系结构 | 第49-56页 |
| 5.2.1 系统整体架构设计 | 第49-50页 |
| 5.2.2 系统功能设计 | 第50-56页 |
| 5.3 汽车评论数据采集模块实现 | 第56-59页 |
| 5.3.1 数据采集 | 第56-58页 |
| 5.3.2 数据解析 | 第58-59页 |
| 5.4 汽车情感分类模块实现 | 第59-61页 |
| 5.4.1 评论过滤 | 第59-60页 |
| 5.4.2 评论文本表示 | 第60页 |
| 5.4.3 情感分类 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第69-70页 |
