第一个书签之前
术语和符号
摘要
Abstract
1 绪论
1.1 课题研究背景和意义
1.2 本文主要研究工作
1.2.1 研究内容
1.2.2 主要贡献
1.3 论文组织结构
2 相关研究综述
2.1 基于深度学习的单词和文本表示
2.1.1 单词表示
2.1.2 文本表示
2.1.3 传统的单词与文本表示的不足
2.2 文本中上下文关系
2.2.1 上下文关系对文本表示的重要性
2.2.2 传统文本上下文关系研究的不足
2.3.1 SGNS
2.3.2 长短记忆模型和门循环单元模型
2.4 本章小结
3 单词表示的研究
3.2 问题描述
3.3 单词表示学习
3.3.1 广度学习模型
3.3.2 学习标记词向量
3.4 不同时期词向量归一化过程
3.5 单词语义变化距离度量方法
3.6 实验
3.6.1 数据集描述
3.6.2 实验对比方法
3.6.3 实验设置
3.6.4 评价指标
3.6.5 识别出的单词个数
3.6.6 计算时间复杂度
3.6.7 检索和分类任务
3.7 基于谷歌英文大数据的语义变化单词查询系统
3.7.1 系统概述
3.7.2 系统实现
3.7.3 查询结果分析
3.8 讨论
3.9 本章小结
4 情感极性单词强化文本表示的研究
4.2 问题描述
4.3 情感极性单词字典
4.4 基于LSTM的记忆力增强模型
4.5 基于GRU的记忆力增强模型
4.6 记忆力衰减模型
4.7 基于深度学习的情感分类模型
4.8 实验
4.8.1 数据集描述
4.8.2 实验对比方法
4.8.3 实验设置
4.8.4 评价指标
4.8.5 不同模型的准确率和误差对比
4.8.6 不同优化算法的准确率和误差对比
4.9 本章小结
5 上下文关系及文本深度特征挖掘的研究
5.3 双向深层特征挖掘模型
5.4 双向记忆力衰减模型
5.5 基于深度学习的情感分类模型
5.6 实验
5.6.1 数据集描述
5.6.2 实验对比方法
5.6.3 实验设置
5.6.4 评价指标
5.6.5 不同模型的准确率和误差对比
5.6.6 不同优化算法的准确率和误差对比
5.7 本章小结
6 总结与展望
6.2 未来工作展望
参考文献
致谢
攻读博士学位期间科研成果目录
西南大学;