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
河北经贸大学;