论文目录 | |
| 摘要 | 第1-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-18页 |
| 1.2.1 基于词典或手工特征的传统方法 | 第12-13页 |
| 1.2.2 基于深度学习的方法 | 第13-18页 |
| 1.2.2.1 基于树状结构的方法 | 第14-15页 |
| 1.2.2.2 基于序列结构的方法 | 第15-16页 |
| 1.2.2.3 基于注意力机制的方法 | 第16-18页 |
| 1.3 本文的研究内容 | 第18-19页 |
| 1.4 本文的结构安排 | 第19-20页 |
| 第二章 相关技术 | 第20-27页 |
| 2.1 记忆网络模型 | 第20-22页 |
| 2.2 注意力模型 | 第22-24页 |
| 2.3 RNN Encoder-Decoder模型 | 第24-25页 |
| 2.4 反向传播算法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于双重记忆注意力机制的方面级别情感分类算法 | 第27-54页 |
| 3.1 算法设计背景与思路 | 第28-31页 |
| 3.2 算法框架 | 第31-32页 |
| 3.3 RNN Encoder-Decoder方面级别情感分类算法 | 第32-35页 |
| 3.4 基于单重记忆注意力机制的方面级别情感分类算法 | 第35-40页 |
| 3.5 基于双重记忆注意力机制的方面级别情感分类算法 | 第40-44页 |
| 3.6 模型训练 | 第44页 |
| 3.7 实验设置 | 第44-47页 |
| 3.7.1 实验环境 | 第44-45页 |
| 3.7.2 实验数据和评价指标 | 第45-46页 |
| 3.7.3 实验参数 | 第46-47页 |
| 3.7.4 对比算法 | 第47页 |
| 3.8 实验结果与分析 | 第47-53页 |
| 3.8.1 综合评估 | 第48-50页 |
| 3.8.2 采用不同记忆及组合方式的有效性分析 | 第50-51页 |
| 3.8.3 在注意力计算中加入上层结果的有效性分析 | 第51-52页 |
| 3.8.4 案例分析 | 第52-53页 |
| 3.9 本章小结 | 第53-54页 |
| 第四章 基于内容注意力机制的方面级别情感分类算法 | 第54-85页 |
| 4.1 算法设计背景与思路 | 第56-58页 |
| 4.2 算法框架 | 第58-59页 |
| 4.3 基于词级别注意力机制的方面级别情感分类算法 | 第59-64页 |
| 4.4 基于句子级别注意力机制的方面级别情感分类算法 | 第64-67页 |
| 4.5 基于位置加权记忆注意力机制的方面级别情感分类算法 | 第67-70页 |
| 4.6 基于内容注意力机制的方面级别情感分类算法 | 第70-75页 |
| 4.7 模型训练 | 第75页 |
| 4.8 实验设置 | 第75-77页 |
| 4.8.1 实验环境 | 第75-76页 |
| 4.8.2 实验数据和评价指标 | 第76页 |
| 4.8.3 实验参数 | 第76-77页 |
| 4.8.4 对比算法 | 第77页 |
| 4.9 实验结果与分析 | 第77-84页 |
| 4.9.1 综合评估 | 第78-80页 |
| 4.9.2 在注意力模块输出中嵌入句子向量的有效性分析 | 第80-81页 |
| 4.9.3 不同上下文注意力计算方式的有效性分析 | 第81-82页 |
| 4.9.4 不同词级别注意力计算方式的有效性分析 | 第82-83页 |
| 4.9.5 模拟生产环境下CASC与 RAM算法的性能与效率分析 | 第83-84页 |
| 4.10 本章小结 | 第84-85页 |
| 第五章 总结与展望 | 第85-87页 |
| 5.1 全文总结 | 第85-86页 |
| 5.2 未来工作展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 攻读硕士学位期间取得的成果 | 第93-94页 |
