声明
第一章 绪论
1.1研究背景和意义
1.2国内外研究现状
1.3研究内容及创新
1.4论文结构及其安排
第二章 相关背景知识介绍
2.1连续维度型情感表示方法的概念
2.2词嵌入技术
2.3深度学习模型
2.3.1卷积神经网络(Convolutional Neural Network,CNN)
2.3.2递归神经网络(Recurrent Neural Network,RNN)
2.3.3长短期记忆(Long Short-Term Memory,LSTM)
2.3.4门控循环单元(Gate Recurrent Unit,GRU)
2.3.5词级注意力机制(Word Attention Mechanism)
2.4本章小结
第三章 基于LSTM_CNN的文本情感强度预测模型
3.1问题分析
3.2基于LSTM_CNN的文本情感强度预测模型
3.2.1输入层
3.2.2序列信息提取层
3.2.3局部特征提取层
3.2.4情感强度预测层
3.3实验评估
3.3.1实验环境
3.3.2实验数据集
3.3.3评价指标和比较检验
3.3.4实验方法
3.3.5模型参数
3.3.6实验结果对比
3.4本章小结
第四章 基于注意力机制的BiLSTM_CNN文本情感强度预测模型
4.1问题分析
4.2基于注意力机制的BiLSTM_CNN文本情感强度预测模型
4.2.1序列信息提取层优化——基于注意力机制的BiLSTM
4.2.2局部特征提取层优化——基于批标准化的CNN
4.3实验评估
4.3.1实验方法
4.3.2实验结果对比
4.4本章小结
第五章 总结与展望
5.1总结
5.2展望
参考文献
附录1 程序清单
附录2 攻读硕士学位期间撰写的论文
附录3 攻读硕士学位期间参加的科研项目
致谢
南京邮电大学;