1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 机器学习在情感分析领域研究现状
1.2.2 深度学习在情感分析领域研究现状
1.3论文的研究内容
1.4论文章节安排
2 相关技术介绍
2.1 算法框架
2.2 文本特征工程技术
1)基于N-gram模型的特征提取
2)基于POS词性特征的特征提取
3)基于依存句法分析的特征提取
2.3神经网络模型
2.3.1循环神经网络(RNN)
2.3.2长短时记忆网络(LSTM)
2.4 注意力机制网络
2.5 降维技术
2.5.1奇异值分解(SVD)算法
2.5.2张量分解算法
2.6本章小结
3 短文本特征提取算法
3.1 基于依存句法规则的短语特征提取
3.1.1 依存关系构建
3.1.2 依存句法规则
3.2 基于词共现的文本特征提取
3.2.1 词共现矩阵
3.2.2 语义相似度权重计算
3.3 情感分析实验
3.3.1 实验设置
3.3.2 实验结果
3.4 本章小结
4 基于Aspect-Attention记忆网络模型的方面级情感分析
4.1 问题描述
4.2 主要算法
4.3 Aspect-Attention记忆网络
4.3 方面级情感分析实验
4.3.1 实验数据集
4.3.2 对比实验
4.3.3 结果分析
4.5 本章小结
5 基于张量神经网络的方面级情感分析
5.1 算法思想
5.2 基于多特征融合的张量神经网络
5.3 张量权重降维算法
5.3.1 基于CP分解的张量权重降维
5.3.2 基于HOSVD的张量权重降维
5.4 方面级情感分析实验
5.4.1 实验配置
5.4.2 对比实验
5.4.3 结果分析
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 研究展望
致谢
参考文献
附录 攻读硕士期间的学术成果
华中科技大学;