| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 服务机器人发展现状 | 第9页 |
| 1.2.2 文本情感分析研究现状 | 第9-11页 |
| 1.2.3 现代web应用发展现状 | 第11页 |
| 1.3 本论文的主要工作及结构安排 | 第11-13页 |
| 第二章 机器人情感呈现系统整体概述 | 第13-29页 |
| 2.1 系统整体架构和工作流程 | 第13-15页 |
| 2.1.1 系统整体架构设计 | 第13-14页 |
| 2.1.2 系统详细工作流程概述 | 第14-15页 |
| 2.2 基于robMid框架的机器人软件中间层设计思路 | 第15-18页 |
| 2.2.1 中间层设计的目的和意义 | 第15-16页 |
| 2.2.2 robMid基本架构简述 | 第16-17页 |
| 2.2.3 基于robMid的多进程模型简述 | 第17-18页 |
| 2.3 机器人交互界面应用程序中的关键技术概述 | 第18-21页 |
| 2.3.1 基于WebSocket的机器人长连接保持 | 第18-19页 |
| 2.3.2 单页应用在机器人交互界面设计中的优势 | 第19-20页 |
| 2.3.3 基于单页应用的几种主流前端框架简介 | 第20-21页 |
| 2.4 情感呈现系统中所使用到的深度学习模型介绍 | 第21-28页 |
| 2.4.1 神经网络相关概念介绍 | 第21-24页 |
| 2.4.2 卷积神经网络 | 第24-25页 |
| 2.4.3 循环神经网络 | 第25-26页 |
| 2.4.4 长短时记忆网络 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于Word2Vec的文本预处理综述 | 第29-39页 |
| 3.1 中文文本预处理 | 第29-30页 |
| 3.1.1 文本的分词 | 第29-30页 |
| 3.1.2 停用词和结构性词语的去除 | 第30页 |
| 3.2 文本的表示模型 | 第30-32页 |
| 3.2.1 文本的独热表示 | 第30页 |
| 3.2.2 文本的分布式表示 | 第30-31页 |
| 3.2.3 基于矩阵的分布式表示 | 第31页 |
| 3.2.4 基于神经网络的分布表示 | 第31-32页 |
| 3.3 word2vec模型简述 | 第32-36页 |
| 3.3.1 霍夫曼树相关概念 | 第33页 |
| 3.3.2 Word2Vec中的CBOW模型 | 第33-35页 |
| 3.3.3 Word2Vec中的Skip-Gram模型 | 第35-36页 |
| 3.4 利用Word2Vec训练语料 | 第36-38页 |
| 3.4.1 文本数据采集及处理 | 第36页 |
| 3.4.2 文本的分词处理 | 第36-37页 |
| 3.4.3 词向量训练及实验结果 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 情感识别模块的设计与实现 | 第39-50页 |
| 4.1 情感分类的性能评测指标 | 第39-40页 |
| 4.1.1 准确率 | 第39页 |
| 4.1.2 召回率 | 第39页 |
| 4.1.3 F值 | 第39-40页 |
| 4.2 基于情感词典的情感识别方法 | 第40-42页 |
| 4.2.1 情感词典的构建 | 第40-41页 |
| 4.2.2 情感判别规则的构建 | 第41-42页 |
| 4.2.3 实验结果 | 第42页 |
| 4.3 基于SVM的情感识别方法 | 第42-45页 |
| 4.3.1 SVM分类器简介 | 第43-44页 |
| 4.3.2 利用word2vec和SVM-perf进行情感预测分类。 | 第44-45页 |
| 4.3.3 实验结果 | 第45页 |
| 4.4 基于深度学习的情感识别方法 | 第45-48页 |
| 4.4.1 利用CNN进行情感分类 | 第46-47页 |
| 4.4.2 利用Word2Vec和LSTM进行情感分类 | 第47-48页 |
| 4.5 实验结果对比和最终方案选型 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 系统各模块具体设计与实现 | 第50-62页 |
| 5.1 系统前端部分设计与实现 | 第50-55页 |
| 5.1.1 开发环境和开发工具 | 第51页 |
| 5.1.2 主体页面设计 | 第51-52页 |
| 5.1.3 工程目录及启动流程 | 第52-53页 |
| 5.1.4 语音对话模块设计与实现 | 第53-54页 |
| 5.1.5 表情呈现模块设计与实现 | 第54-55页 |
| 5.2 系统中间层部分设计与实现 | 第55-59页 |
| 5.2.1 Mock数据模块实现 | 第55-56页 |
| 5.2.2 基于Redis的数据缓存模块实现 | 第56-58页 |
| 5.2.3 Web Socket长连接模块设计与实现 | 第58-59页 |
| 5.3 系统后端部分实现 | 第59-60页 |
| 5.3.1 语音识别模块实现 | 第59-60页 |
| 5.3.2 情感识别模块实现 | 第60页 |
| 5.4 系统测试结果 | 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 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录 1 攻读硕士学位期间申请的专利 | 第68-69页 |
| 致谢 | 第69页 |
