| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状及关键技术 | 第12-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 迁移学习与情感分类 | 第18-25页 |
| 2.1 迁移学习 | 第18-22页 |
| 2.1.1 迁移学习的定义 | 第18-20页 |
| 2.1.2 迁移学习的分类 | 第20-22页 |
| 2.2 迁移学习在情感分类中的应用 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于模型迁移的单领域情感分类算法 | 第25-38页 |
| 3.1 问题的提出 | 第25页 |
| 3.2 基于模型迁移的分层注意力神经网络的单领域情感分类算法 | 第25-32页 |
| 3.2.1 训练LSTM编码器 | 第25-28页 |
| 3.2.2 简化的神经网络结构 | 第28-30页 |
| 3.2.3 分层注意力网络 | 第30-32页 |
| 3.3 实验 | 第32-37页 |
| 3.3.1 数据集及实验设置 | 第32-33页 |
| 3.3.2 评价指标 | 第33-34页 |
| 3.3.3 实验结果及分析 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于特征的跨领域迁移情感分类算法 | 第38-47页 |
| 4.1 问题的提出 | 第38页 |
| 4.2 问题描述 | 第38页 |
| 4.3 基于特征的跨领域迁移情感分类算法 | 第38-42页 |
| 4.3.1 提取领域无关的特征表示 | 第39-41页 |
| 4.3.2 提取目标域特征表示 | 第41-42页 |
| 4.3.3 跨领域情感分类任务 | 第42页 |
| 4.3.4 模型的训练 | 第42页 |
| 4.4 实验 | 第42-45页 |
| 4.4.1 数据集及实验设置 | 第42-43页 |
| 4.4.2 评价指标 | 第43页 |
| 4.4.3 实验结果及分析 | 第43-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-50页 |
| 5.1 工作总结 | 第47-49页 |
| 5.2 未来展望 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间发表的学术论文 | 第58页 |