| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题背景及研究的目的和意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 文本情感分析研究现状 | 第10-11页 |
| 1.3.2 文本表示学习研究现状 | 第11-12页 |
| 1.3.3 用户情感分析研究现状 | 第12页 |
| 1.4 本文的主要研究内容与组织结构 | 第12-14页 |
| 第2章 情感分析相关研究概述 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 文本情感分析的相关研究 | 第14-17页 |
| 2.2.1 基于情感词典/规则和常识库的情感分类 | 第15页 |
| 2.2.2 基于机器学习的情感分类 | 第15-16页 |
| 2.2.3 情感持有者抽取 | 第16页 |
| 2.2.4 情感对象抽取 | 第16-17页 |
| 2.3 文本表示学习的相关研究 | 第17-19页 |
| 2.3.1 基于深度学习的词语级别情感表示学习 | 第17-18页 |
| 2.3.2 基于深度学习的序列级别情感表示学习 | 第18-19页 |
| 2.4 用户情感分析的相关研究 | 第19-21页 |
| 2.5 小结 | 第21-22页 |
| 第3章 基于异质网络节点嵌入的用户-词语表示联合学习方法 | 第22-42页 |
| 3.1 引言 | 第22页 |
| 3.2 词语表示算法的基本思路 | 第22-24页 |
| 3.3 包含用户和词语的异质网络构建 | 第24-29页 |
| 3.4 基于网络节点嵌入的表示学习 | 第29-31页 |
| 3.5 表示学习结果的可视化分析 | 第31-41页 |
| 3.5.1 不同属性节点的表示结果分析 | 第31-33页 |
| 3.5.2 同属性不同极性节点的表示结果分析 | 第33-37页 |
| 3.5.3 表示结果导出的距离空间分析 | 第37-41页 |
| 3.6 小结 | 第41-42页 |
| 第4章 基于用户-词语表示联合学习的情感分析方法 | 第42-50页 |
| 4.1 引言 | 第42页 |
| 4.2 基于卷积神经网络的情感分析方法 | 第42-43页 |
| 4.3 结合用户-词语表示和卷积神经网络的情感分析方法 | 第43-45页 |
| 4.4 实验结果及分析 | 第45-49页 |
| 4.5 小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-59页 |
| 致谢 | 第59页 |