声明
第 1 章 绪 论
1.1研究背景及意义
1.2国内外研究现状
1.3本文的研究内容
1.4本文的组织结构
第 2 章 相关技术概述
2.1 word2vec
2.2 注意力机制
2.3 Apriori算法
2.4 SenticNet
2.5 卷积神经网络
2.6 循环神经网络
2.7 Transformer
第 3 章 面向双注意力的特定方面情感分析模型
3.1问题描述与方法概论
3.1.1 任务定义
3.1.2方法概述
3.2 模型介绍
3.3实验
3.3.1 数据集与超参数
3.3.2 模型构建
3.3.3 注意力可视化
3.3.4 对比实验
3.4 本章小结
第4章 融合外部知识的可生成细粒度解释情感分析模型(GECKSA)
4.1 任务定义
4.2 GECKSA模型介绍
4.2.1 细粒度解释生成器
4.2.2 基于SenticNet的解释生成器与情感分类器交互
4.3 实验
4.3.1 数据集与超参数
4.3.2 文本解释实验分析
4.3.3 情感分类实验结果分析
4.3.4 解释得分获取方式分析
4.4 本章小结
第5章 总结与展望
5.1 工作总结
5.2 未来展望
参考文献
作者简介及科研成果
致谢
吉林大学;