| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状分析 | 第10-13页 |
| 1.2.1 基于词典的文本情感分析方法 | 第10-11页 |
| 1.2.2 基于机器学习的文本情感分析方法 | 第11-12页 |
| 1.2.3 基于深度学习的文本情感分析方法 | 第12-13页 |
| 1.3 本文主要内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 相关技术与理论研究 | 第15-27页 |
| 2.1 文本情感分析概述 | 第15页 |
| 2.2 文本表示 | 第15-20页 |
| 2.2.1 分布表示 | 第15-16页 |
| 2.2.2 词向量表示 | 第16-20页 |
| 2.3 机器学习模型 | 第20-22页 |
| 2.3.1 朴素贝叶斯 | 第20-21页 |
| 2.3.2 支持向量机 | 第21-22页 |
| 2.4 深度学习模型 | 第22-26页 |
| 2.4.1 递归神经网络 | 第22-23页 |
| 2.4.2 卷积神经网络 | 第23-24页 |
| 2.4.3 循环神经网络 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于卷积神经网络和注意力模型的文本情感分析 | 第27-39页 |
| 3.1 注意力模型 | 第27-29页 |
| 3.2 结合卷积神经网络和注意力模型 | 第29-34页 |
| 3.2.1 模型表示 | 第30-31页 |
| 3.2.2 卷积神经网络 | 第31-32页 |
| 3.2.3 注意力机制 | 第32页 |
| 3.2.4 模型训练 | 第32-34页 |
| 3.3 实验及结果分析 | 第34-37页 |
| 3.3.1 实验数据集 | 第34页 |
| 3.3.2 实验评价指标 | 第34-35页 |
| 3.3.3 词向量训练 | 第35-36页 |
| 3.3.4 超参数设置与训练 | 第36页 |
| 3.3.5 实验结果与分析 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于字词联合训练的Bi-LSTM模型的文本情感分析 | 第39-49页 |
| 4.1 基于字词联合训练的文本表示 | 第39-41页 |
| 4.2 Bi-LSTM模型 | 第41-43页 |
| 4.3 基于字词联合训练Bi-LSTM模型 | 第43-45页 |
| 4.4 实验及结果分析 | 第45-48页 |
| 4.4.1 实验设置 | 第45页 |
| 4.4.2 实验结果及分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 作者简介 | 第57页 |