声明
1 绪论
1.1 研究背景及意义
1.2国内外研究现状
1.3 论文研究内容和结构安排
2 相关理论与技术
2.1 粗粒度情感分析
2.2 细粒度情感分析
2.3 深度学习相关技术
2.3.1 卷积神经网络
2.3.2 LSTM神经网络
2.3.3 注意力机制
2.4 本章小结
3 在线评论数据预处理
3.1 数据收集
3.2 分词及停用词处理
3.2.1 中文分词处理
3.2.2 引入停用词
3.3 主题词提取
3.4 本章小结
4 文本的向量化表示
4.1 独热表示
4.2 神经概率语言模型
4.3 Word2vec技术
4.3.1 CBOW模型
4.3.2 Skip-gram模型
4.4 本章小结
5 深度学习模型的改进
5.1 记忆网络介绍
5.2 基于注意力记忆网络的情感分类模型
5.2.1 MemNet模型
5.2.2 Cnn_MemNet模型
5.2.3 BiLstm_MemNet模型
5.2.4 CnnBiLstm_MemNet模型
5.2.5 Cnn_BiLstm_MemNet模型
5.3 实验设计
5.3.1 实验平台及数据
5.3.2 参数设置
5.4 实验结果和分析
5.4.1 模型的分类准确率对比
5.4.2 卷积窗口大小的影响
5.4.3 Attention计算层数的影响
5.5 本章小结
结论
致谢
参 考 文 献
攻读学位期间的研究成果
