声明
摘要
图目录
表目录
主要符号表
1 绪论
1.1 研究背景与意义
1.2 国内外相关工作研究进展
1.2.1 迁移学习算法
1.2.2 迁移学习在评论文本上的应用
1.2.3 文本情感分析
1.3 迁移学习相关技术
1.3.1 向量空间模型
1.3.2 支持向量机
1.3.3 深度学习
1.3.4 评价指标
1.4 面临的问题与挑战
1.5 本文的主要工作
1.6 本文的内容安排
2 面向评论者声誉度的迁移学习研究
2.1 背景介绍及问题描述
2.2 领域适应性研究
2.2.1 问题的定义
2.2.2 数据集
2.2.3 神经网络框架
2.2.4 实验及结果分析
2.3 基于情感距离和领域自适应的评论者声誉度
2.3.1 相关概念
2.3.2 评论者声誉度分析关键技术
2.3.3 总体框架
2.3.4 实验及结果分析
2.4 本章小结
3 面向产品评论的迁移学习研究
3.1 背景介绍及问题描述
3.2 问题的定义
3.3 相关概念
3.4 跨领域情感分类方法
3.4.1 特征选择
3.4.2 Word2Vec
3.4.3 算法概述
3.5 实验及结果分析
3.5.1 实验数据
3.5.2 对比实验
3.5.3 参数设置
3.5.4 结果分析
3.6 本章小结
4 面向慕课论坛评论的迁移学习研究
4.1 背景介绍及问题描述
4.2 问题的定义
4.3 基于卷积-长短期记忆模型的跨领域慕课论坛评论分类方法
4.4 实验及结果分析
4.4.1 数据集
4.4.2 实验设置
4.4.3 对比实验
4.4.4 结果分析
4.5 本章小结
5 结论与展望
5.1 结论
5.2 创新点
5.3 展望
参考文献
攻读博士学位期间发表学术论文情况
攻读博士学位期间参加科研项目情况
致谢
作者简介