基于深度学习多模型融合的中文短文本情感分类算法研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 文本情感分类的研究现状 | 第11-15页 |
| 1.2.2 词向量模型的研究现状 | 第15-16页 |
| 1.3 研究内容及主要工作 | 第16-17页 |
| 1.4 论文结构安排 | 第17-18页 |
| 第二章 相关技术与理论 | 第18-30页 |
| 2.1 基于深度学习文本分类的基本概念 | 第18-22页 |
| 2.1.1 卷积神经网络 | 第18-21页 |
| 2.1.2 循环神经网络 | 第21-22页 |
| 2.2 递进学习 | 第22-23页 |
| 2.3 交叉熵损失函数与焦点损失函数 | 第23-25页 |
| 2.4 注意力机制 | 第25-27页 |
| 2.5 词向量 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 前期准备和网络结构优化 | 第30-48页 |
| 3.1 引言 | 第30页 |
| 3.2 前期准备 | 第30-37页 |
| 3.2.1 数据集准备 | 第30-35页 |
| 3.2.2 模型训练测试 | 第35-37页 |
| 3.3 词向量对模型的影响 | 第37-39页 |
| 3.4 textCNN模型改进 | 第39-42页 |
| 3.5 DCNN模型改进 | 第42-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 递进学习训练和焦点损失函数 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 递进学习训练 | 第48-57页 |
| 4.2.1 递进学习训练定义 | 第49-53页 |
| 4.2.2 实验分析 | 第53-57页 |
| 4.3 焦点损失函数 | 第57-59页 |
| 4.3.1 焦点损失函数定义 | 第57-58页 |
| 4.3.2 实验分析 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 深度学习多模型融合情感分类算法 | 第60-73页 |
| 5.1 引言 | 第60页 |
| 5.2 基于深度学习多模型融合的情感分类 | 第60-63页 |
| 5.3 实验结果与分析 | 第63-72页 |
| 5.3.1 主客观情感分类 | 第63-66页 |
| 5.3.2 多类别情感分类 | 第66-68页 |
| 5.3.3 情感极性分类 | 第68-70页 |
| 5.3.4 实验结果样例分析 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |
