基于深度学习的电商评论情感分析

目录

声明

1 绪论

1.1 研究背景

1.2 研究目的与意义

1.3 国内外研究现状

1.3.1 基于情感词典的情感分析研究现状

1.3.2 基于传统机器学习的情感分析研究现状

1.3.3 基于深度学习的情感分析研究现状

1.3.4 细粒度情感分析的研究

1.4 本文主要贡献和创新点

1.5 本文的结构

2 相关理论基础及背景知识

2.1 词向量

2.1.1 词的分布式表示

2.1.2 语言模型框架

2.2 深度神经网络介绍

2.2.1 卷积神经网络

2.2.2 LSTM模型与BiLSTM模型

2.3 注意力机制与预训练模型BERT

2.3.1 注意力机制

2.3.2 预训练语言模型BERT

2.4 本章小结

3 基于注意力机制与BiLSTM模型的文本情感分析

3.1 LSTM模型特点分析

3.2 基于BiLSTM-Attention模型的文本情感分类

3.2.1 双向LSTM(BiLSTM)结构

3.2.2 注意力机制

3.3 模型总体结构

3.3.1 词嵌入层

3.3.2 BiLSTM+Attention层

3.3.3 输出层

3.4 实验设置与结果分析

3.4.1 实验设置

3.4.2 评价指标

3.4.3 实验结果分析

3.5 本章小结

4 基于BERT-CNN的细粒度文本情感分析

4.1 BERT模型特点分析

4.2 BERT-CNN模型结构

4.3 模型层次结构分类

4.4 文本预处理

4.5 模型超参数设置与模型训练方法

4.5.1 超参数介绍与设置

4.5.2 模型训练方法

4.6 实验设置与结果分析

4.6.1 实验设置

4.6.2 结果分析

4.7 本章小结

5 总结与展望

5.1 工作总结

5.2 未来展望

参考文献

作者简历

致谢