基于Valence-Arousal空间的文本情感强度预测方法研究

目录

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