| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 基于深度神经网络的文本情感分析方法 | 第11-12页 |
| 1.2.2 主题模型 | 第12-13页 |
| 1.2.3 主题情感混合模型 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的内容与组织架构 | 第15-17页 |
| 第二章 研究基础及相关理论和技术 | 第17-28页 |
| 2.1 情感分析的粒度 | 第17页 |
| 2.2 词向量与词嵌入方法介绍 | 第17-19页 |
| 2.3 基于卷积神经网络的情感分析 | 第19-21页 |
| 2.4 基于循环神经网络的情感分析 | 第21-23页 |
| 2.5 基于长短期记忆模型的情感分析 | 第23-24页 |
| 2.6 门控循环单元 | 第24-26页 |
| 2.7 评价指标 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第三章 考虑主题特征的基于双向GRU模型的情感分析 | 第28-44页 |
| 3.1 文本预处理 | 第28-31页 |
| 3.1.1 数据集介绍 | 第28-30页 |
| 3.1.2 文本预处理 | 第30-31页 |
| 3.2 提取文本特征 | 第31-37页 |
| 3.2.1 LDA主题模型提取主题特征 | 第32-35页 |
| 3.2.2 LDA主题模型结果分析 | 第35-36页 |
| 3.2.3 主题特征的计算以及与文本特征的融合方法 | 第36-37页 |
| 3.3 深层神经网络 | 第37-39页 |
| 3.3.1 双向GRU分类模型 | 第37-39页 |
| 3.3.2 多层的双向GRU分类模型 | 第39页 |
| 3.4 基于双层注意力机制的GRU | 第39-41页 |
| 3.4.1 使用注意力机制关注重要信息 | 第39-40页 |
| 3.4.2 基于注意力机制的GRU模型 | 第40-41页 |
| 3.5 融合文本-主题特征的双层注意力机制双向GRU模型的情感分析模型 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于文本特征和文本主题特征的协同训练方法 | 第44-54页 |
| 4.1 半监督学习 | 第44页 |
| 4.2 多视角学习和协同训练简介 | 第44-46页 |
| 4.3 改进的协同训练方法用于电影评论的多视角学习 | 第46-50页 |
| 4.4 实验与分析 | 第50-52页 |
| 4.4.1 实验设置 | 第50页 |
| 4.4.2 实验结果与分析 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-64页 |
| 附件 | 第64页 |
