●第1章 引言
第2章 自然語言處理與應用綜述
2.1 概述
2.2 自然語言處理的主要研究方法
2.2.1 理性主義與經驗主義方法
2.2.2 深度學習與預訓練方法及其在自然語言處理中的應用
2.3 自然語言處理的部分任務及應用
2.3.1 詞法分析
2.3.2 句法分析
2.3.3 命名實體識別與特征信息提取
2.3.4 文本摘要
2.3.5 機器翻譯
2.4 本章小結
參考文獻
第3章 文本情感與情緒分析綜述
3.1 概述
3.2 文本情感分析
3.2.1 情感信息抽取
3.2.2 情感分類
3.2.3 立場分析
3.3 文本情緒分析
3.3.1 傳統的情緒分析方法
3.3.2 基於深度學習的情緒分析
3.4 本章小結
參考文獻
第4章 面向文本的情緒及其誘因分析
4.1 總體技術路線
4.2 情緒模型
4.2.1 事件結果類
4.2.2 主體行為類
4.2.3 事件結果類和主體行為類的復合情緒
4.2.4 實體對像類
4.3 分析和提取情緒誘因事件
4.3.1 事件結果類的誘因事件分析與提取
4.3.2 主體行為類的誘因事件分析與提取
4.3.3 實體對像類的誘因事件分析與提取
4.4 情緒校驗與修正
4.5 基於貝葉斯概率模型的誘因成分分析
4.5.1 基於語料的情緒詞典構造
4.5.2 語言特征對情緒誘因的影響分析
4.5.3 基於貝葉斯概率模型的誘因比例計算
4.6 基於語言特征的情緒分類
4.6.1 詞性特征分析
4.6.2 句法結構特征分析
4.6.3 情緒詞與上下文的關繫特征分析
4.6.4 特征降維
4.6.5 情緒分類
4.7 實驗與分析
4.7.1 實驗語料與測度說明
4.7.2 實驗與結果分析
4.8 本章小結
參考文獻
第5章 面向話題評論的立場分析
5.1 概述
5.2 基於AATA-BiLSTM模型的用戶立場分析
5.2.1 基於詞向量的話題擴充方法
5.2.2 基於雙向LSTM與Attention的處理機制
5.2.3 實驗
5.3 基於遷移學習的新話題評論預測
5.3.1 跨領域遷移學習模型的組成、預訓練與預測
5.3.2 實驗與分析
5.4 本章小結
參考文獻
第6章 文本表示及在情緒分類中的應用
6.1 概述
6.2 基於注意力機制的雙向LSTM的文本表示
6.2.1 輸入層
6.2.2 特征學習層
6.2.3 特征權重學習層
6.2.4 輸出層
6.2.5 實驗設計與結果分析
6.2.6 基於注意力權重可視化的不同詞性標簽與情緒類別間的關繫
6.3 基於兩階注意力機制的文本表示
6.3.1 輸入層
6.3.2 特征學習層
6.3.3 特征權重學習層
6.3.4 實驗與分析
6.3.5 實例分析
6.4 基於注意力聚合網絡的文本表示
6.4.1 輸入層
6.4.2 特征學習層
6.4.3 特征權重學習層
6.4.4 實驗設計與結果分析
6.5 本章小結
參考文獻