声明
1 引言
1.1 研究背景及意义
1.2 现状分析
1.2.1 情感词典构建现状
1.2.2 文本情感分类现状
1.3 主要研究内容
1.4 本文组织结构
2 相关基础理论及背景知识
2.1 深度学习理论相关介绍
2.1.1单层前馈网络
2.1.2 多层前馈网络
2.1.3循环神经网络
2.1.4 递归神经网络
2.2 BP神经网络介绍
(1)正向传播过程
(2)反向传播
2.3 基于Word2Vec进行词向量训练简介
2.4 注意力模型
2.5 本章小结
3 基于双向LSTM的动态情感词典构建方法
3.1 数据及基本处理
3.1.1 数据及其来源
3.2 词汇的情感特征提取
3.2.1 利用CBOW模型进行词向量学习
3.2.2 利用ECBOW模型提取情感特征
3.3 二叉语义依存路径特征提取
3.3.1 哈夫曼语义依存二叉树
3.3.2 二叉语义依存路径表示
3.3.3 提取二叉语义依存路径特征
3.3.4 相对位置和句子中心词信息
3.3.5 情感词典分类器构建
3.3.6 文本标签框架
3.3.7 输出层表示
3.4 实验与分析
3.4.1 不同特征组合对动态情感词典的影响
3.4.2 验证动态情感词典可扩展性
3.4.3 验证动态情感词典有效性
3.4 本章小结
4 基于语义注意力机制的文本情感打分方法
4.1 基于注意力机制的文本情感打分方法
4.1.1 语义依存路径表示
4.1.2 基于双向GRU神经网络的语义注意力机制
4.1.3 结合语义注意力机制的情感词典的打分方法
4.2 实验与分析
4.2.1 实验数据
4.2.2 不同情感词典对比实验
4.2.3 不同模型对比实验
4.3 本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
个人履历、在校期间发表的学术论文及科研成果
个人履历
在校期间发表的学术论文
研究成果
致谢
郑州大学;