| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景和意义 | 第7-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 挑战 | 第11页 |
| 1.4 本文工作 | 第11-12页 |
| 1.5 组织结构 | 第12-15页 |
| 第二章 基本理论概念 | 第15-29页 |
| 2.1 反讽表达的概念 | 第15-16页 |
| 2.2 维度型表达的概念 | 第16-18页 |
| 2.3 word2vec词嵌入技术 | 第18-20页 |
| 2.4 机器学习模型 | 第20-29页 |
| 2.4.1 神经网络结构及激活函数介绍 | 第21-23页 |
| 2.4.2 卷积神经网络(CNN) | 第23-26页 |
| 2.4.3 长短期记忆人工神经网络(LSTM) | 第26-29页 |
| 第三章 中文反讽Valence-Arousal-Irony语料库的创建 | 第29-35页 |
| 3.1 台湾大学反讽语料库介绍 | 第29-30页 |
| 3.2 中文反讽V、A、I语料库的标记工作 | 第30-32页 |
| 3.3 维度关联分析 | 第32-35页 |
| 第四章 基于机器学习方法的反讽文本情感维度预测 | 第35-41页 |
| 4.1 反讽文本的V、A、I预测流程 | 第35-36页 |
| 4.2 基于卷积神经网络(CNN)的维度值预测 | 第36-37页 |
| 4.3 基于长短期记忆人工神经网络(LSTM)的维度值预测 | 第37-38页 |
| 4.4 基于CNN_LSTM的维度值预测 | 第38-39页 |
| 4.5 基于LSTM_CNN的维度值预测 | 第39-41页 |
| 第五章 实验过程和结果 | 第41-49页 |
| 5.1 实验说明 | 第41页 |
| 5.2 深度机器学习模型参数调整结果 | 第41-44页 |
| 5.3 实验结果和分析 | 第44-49页 |
| 第六章 总结 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57页 |