《復(fù)雜情感分析方法及其應(yīng)用》主要介紹了機器學(xué)習(xí)的概念及分類、復(fù)雜情感分析的理論及基本處理方法：基于局部保持支持向量文本描述的復(fù)雜情感分析算法（如分類算法、聚類算法、回歸算法）、文本處理及其處理方法、基于機器學(xué)習(xí)中學(xué)習(xí)方法、一致性分類方法等。
《復(fù)雜情感分析方法及其應(yīng)用》可供從事計算機、人工智能等專業(yè)的工程技術(shù)人員閱讀，也可供大專院校有關(guān)師生參考。
1 緒論
1．1 背景介紹
1．1．1 機器學(xué)習(xí)問題
1．1．2 機器學(xué)習(xí)分類
1．1．3 深度學(xué)習(xí)問題
1．2 相關(guān)研究分析
1．3 研究意義與目的
1．3．1 機器學(xué)習(xí)的研究意義與目的
1．3．2 深度學(xué)習(xí)的研究意義與目的
1．4 研究方向與研究內(nèi)容
1．4．1 研究方法
1．4．2 本書研究內(nèi)容
2 相關(guān)研究綜述
2．1 復(fù)雜情感分析的理論研究
2．2 復(fù)雜情感分析的算法研究
2．2．1 關(guān)聯(lián)分析
2．2．2 注意力機制
2．2．3 循環(huán)神經(jīng)網(wǎng)絡(luò)
2．2．4 長短期記憶網(wǎng)絡(luò)
2．2．5 門控循環(huán)單元
2．2．6 連續(xù)詞袋模型
2．2．7 Skip-gram
2．2．8 貝葉斯分類算法
2．2．9 K近鄰算法
2．2．10 K均值聚類算法
2．2．11 其他方法
2．3 評價指標(biāo)研究
2．3．1 Precision
2．3．2 Recall
2．3．3 F-measure Metric
2．3．4 接受者操作特性曲線（ROC曲線）
2．3．5 AUC值
2．4 本章小結(jié)
3 基于局部保持支持向量文本描述的復(fù)雜情感分析算法研究
3．1 引言
3．2 文本固有結(jié)構(gòu)對復(fù)雜情感分析算法的影響
3．3 支持向量數(shù)據(jù)描述的原理及算法
3．3．1 TSVM
3．3．2 PTSVM
3．4 基于局部支持向量文本描述的復(fù)雜數(shù)據(jù)分析算法
3．4．1 線性LPTSVM
3．4．2 線性LPTSVM奇異性問題
3．4．3 非線性LPTSVM
3．5 基于局部支持向量文本描述的組合復(fù)雜數(shù)據(jù)分析算法
3．5．1 長短期記憶神經(jīng)網(wǎng)絡(luò)和BiLSTM
3．5．2 長短期記憶神經(jīng)網(wǎng)絡(luò)詳細(xì)介紹計算過程
3．5．3 Bi長短期記憶神經(jīng)網(wǎng)絡(luò)
3．6 本章小結(jié)
4 文本處理及其處理方法研究
4．1 引言
……
書單推薦
