| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的及意义 | 第12-15页 |
| 1.3 国内外研究现状 | 第15-19页 |
| 1.3.1 情感分类任务的研究现状 | 第15页 |
| 1.3.2 不同级别的情感分类的研究现状 | 第15-16页 |
| 1.3.3 情感分类方法的研究现状 | 第16-19页 |
| 1.4 本文的研究内容及主要工作 | 第19-20页 |
| 1.5 论文结构安排 | 第20-22页 |
| 第二章 文本情感分类及相关技术 | 第22-38页 |
| 2.1 基于深度学习的分类模型 | 第22-30页 |
| 2.1.1 卷积神经网络 | 第22-27页 |
| 2.1.2 循环神经网络 | 第27-30页 |
| 2.2 注意力机制 | 第30-32页 |
| 2.3 词向量 | 第32-35页 |
| 2.4 交叉熵损失函数与焦点损失函数 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 基于词向量和改进损失函数的情感分类研究 | 第38-52页 |
| 3.1 实验准备 | 第38-41页 |
| 3.1.1 数据集 | 第38-40页 |
| 3.1.2 训练流程 | 第40-41页 |
| 3.2 基于词向量的情感分类研究 | 第41-46页 |
| 3.3 基于改进损失函数的情感分类研究 | 第46-51页 |
| 3.3.1 交叉熵错误损失函数 | 第46-50页 |
| 3.3.2 实验结果与分析 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于卷积神经网络和注意力机制的情感分类研究 | 第52-73页 |
| 4.1 基于卷积神经网络的情感分类研究 | 第52-65页 |
| 4.1.1 改进TextCNN模型 | 第52-62页 |
| 4.1.2 实验结果与分析 | 第62-65页 |
| 4.2 基于注意力机制的情感分类研究 | 第65-71页 |
| 4.2.1 两种注意力机制 | 第65-66页 |
| 4.2.2 改进点积注意力机制 | 第66-68页 |
| 4.2.3 实验结果与分析 | 第68-71页 |
| 4.3 本章小结 | 第71-73页 |
| 第五章 基于特征融合和模型融合的情感分类研究 | 第73-82页 |
| 5.1 基于特征融合的情感分类研究 | 第73-76页 |
| 5.1.1 浅层特征融合 | 第73-74页 |
| 5.1.2 实验结果与分析 | 第74-76页 |
| 5.2 基于模型融合的情感分类研究 | 第76-81页 |
| 5.2.1 改进模型融合 | 第76页 |
| 5.2.2 实验结果与分析 | 第76-80页 |
| 5.2.3 实验结果总结 | 第80-81页 |
| 5.3 本章小结 | 第81-82页 |
| 总结与展望 | 第82-84页 |
| 总结 | 第82-83页 |
| 展望 | 第83-84页 |
| 参考文献 | 第84-91页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第91-92页 |
| 致谢 | 第92-93页 |
| 附件 | 第93页 |